网络视频环境中面向用户QoE的分析与应用

摘要

互联网技术飞速发展的当下，视频多样性服务也大量涌现，用户对于视频质量的需求也随之增长。为了更好地服务用户，提升用户体验，服务商致力于研究各方面指标以改善用户体验质量（QoE）。因此，如何通过调整、权衡各指标来预测QoE成为了当下的研究热点。本文从数据分析、建模预测的角度出发，展开了一系列研究。
　　本文首先进行了数据搜集、数据预处理等前期准备工作，从而获得了大量与视频相关的指标数据。为了对可能影响QoE的因素进行分析，本文进行了数据清洗、离散化、统计分析等工作，从而筛选出合适的影响因素。通过对比多种经典机器学习算法，选取决策树模型对QoE进行建模预测。具体而言，本文的主要研究工作有如下三点：
　　首先，在利用信息增益进行相关性分析时，采用信息增益最大化方法对连续型数据进行离散化处理，并对现有快速离散算法进行改进。通过对含有重复值的特征数据进行重新整合归类，使快速离散算法能适用于任何类型的数据集，提高了离散化的准确率。与此同时将改进快速算法运用到构建树时的二分离散中，加快了建树速度，又达到了与原树相同的预测效果。
　　其次，为了精简C4.5决策树模型，对停止条件进行了改进。通过将模型复杂度与准确率权衡比较，共同决定待分裂子集数据量的最小值，使决策树在保证一定准确率的前提下达到最精简模式。通过实验验证这样改进会使得模型的复杂度、算法耗时大大降低，从而能够适应更庞大的数据量。
　　最后，针对决策树建模过程中的特征选取准则进行了改进。通过引入特征离散度指标，与原始信息增益率指标相结合，综合考虑数据本身的离散程度和分布情况，构建新的选取标准。通过实验证明新的选取标准使得特征选取更为准确，同时可以提高决策树模型的预测准确率。
　　本文最后通过与其他模型进行对比，对改进模型准确率、复杂度、耗时等多方面进行测试，验证了所设计方案的性能以及改进算法在QoE预测准确性方面的提升效果。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1研究背景

1.2国内外发展前景

1.3本文的研究内容及主要成果

第二章 基于QoE的视频分析概述

2.1用户体验质量(QoE)指标介绍

2.2传统QoS指标介绍

2.3视频QoE评价度量方法综述

2.4本章小结

第三章 用户QoE数据分析与特征选取

3.1数据来源分布情况

3.2调查问卷的设计

3.3数据处理

3.4数据统计分析

3.5特征选取

3.6本章小节

第四章 用户QoE建模预测

4.1经典建模算法介绍

4.2基于快速算法的C4.5二分离散改进

4.3基于模型精简与准确率权衡比较下的停止条件改进

4.4基于特征离散度的C4.5节点选取改进

4.5本章小结

第五章 实验结果分析验证

5.1实验准备工作

5.2经典算法预测准确率比较

5.3决策树的四种算法比较

5.4停止条件改进后准确率与模型复杂度对比

5.5信息增益率调整后准确率对比

5.6其他指标对比总结

5.7基于距离的准确率新判定方案

5.8本章小结

第六章 总结与展望

6.1 总结

6.2 未来的展望

参考文献

附录1 攻读硕士学位期间撰写的论文

附录2 攻读硕士学位期间参加的科研项目

致谢