声明
致谢
摘要
缩略词表
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 固定码率视频QoE研究现状
1.2.2 自适应码率视频QoE研究现状
1.3 本论文的主要研究内容
1.4 本论文的组织结构
2 论文相关知识介绍
2.1 DASH流媒体技术
2.2 机器学习算法
2.2.1 决策树算法
2.2.2 随机森林算法
2.2.3 支持向量机算法
2.2.4 k近邻算法
2.3 机器学习平台
2.3.1 Anaconda的安装使用
2.3.2 Scikit-Learn库
2.4 机器学习性能评估方法
2.4.1 可选度量
2.4.2 接受者操作特性曲线
2.5 本章小结
3 PPTV视频用户体验质量研究
3.1 数据集介绍
3.2 数据预处理
3.3 视频数据分析
3.3.1 各数据特征统计分析
3.3.2 用户QoE量化
3.3.3 各数据特征与用户QoE的相关性分析
3.4 用户体验质量预测模型
3.4.1 模型构建
3.4.2 模型性能评估
3.5 本章小结
4 LTE网络下DASH视频用户体验质量研究
4.1 待测量数据介绍
4.1.1 LTE网络质量参数
4.1.2 DASH视频播放信息
4.2 实验平台
4.2.1 整体架构
4.2.2 实验设备及方法
4.2.3 QoE量化方法
4.2.4 测量数据预处理
4.3 测量数据分析
4.3.1 LTE网络质量参数分析
4.3.2 LTE网络质量参数与用户QoE相关性分析
4.4 用户体验质量预测模型研究
4.4.1 QoE映射模型研究
4.4.2 QoE预测模型研究
4.5 模型应用场景分析
4.6 本章小结
5 总结及展望
5.1 本文工作总结
5.1.1 PPTV视频用户QoE预测研究
5.1.2 DASH视频用户QoE预测研究
5.2 未来工作展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集
北京交通大学;