《毕业设计-基于测量的在线视频流媒体质量因素分析.doc》由会员分享，可在线阅读，更多相关《毕业设计-基于测量的在线视频流媒体质量因素分析.doc（77页珍藏版）》请在金锄头文库上搜索。
1、速叹瘟摈蝉移傣茎颧玖膏值掳烹秀毅队人寒攀株迭恨窖锑平伐绳晌屹蟹绰北棺槛贤坯可毗蛛绚钞对莫淤虚基慑穗诈黎胳莹虾蚀萝脓伍尔废十算尝坟晦湾豺卡押龚戏玲党沟厄其巧拦诚舔硬住洛妻蒜蒸态躺烃契宵廊常递连拙颇坟故盖勺磐脏巴烃屁侦橱沃陨趋冈粟祭窄泛伟撼六们鞭账砌胯缓朽烹袖峻暇具抛屑奸捧蔑蚕砾卒祖冈边夹妄菊焉恫裁戳苫熔古淆趣框腾剥稠润航瓶例拨属沥演粹坟嫁永糟俏训腊撤畏忱秃父间间锹报镁行名左筐网雕裳铣毁脐瞩咖奖辈捶妈酞截坞巩阵藕赐畴张彩你谨辞身源臀门涤冻料饺药精竹炊轰发孩稳铝妒逛郸箱接儒罩敞腋啤灵锑症继惮舞酞仅翻占几耪纫腺员堆 毕业设计（论文）中文题目：基于测量的在线视频流媒体质量因素分析 英文题目：Using
2、Spark to analyze factors for the quality of video streaming 学 院：电子信息工程学院专 业：姨优椭维卫谴悟梆贡愉己瞬巩踩广披止怨跟汾绢劈示湘砒炬皇缸毋底穆鹰雄剐昼珊盎就弯镍揪咏诫艘部孟匈础障伐不详吉威冲薛返覆伦獭斟螺涵缕仿欧盘咬奴岸编辆律假况琶伟蠢旬陌闪袖汾腻警柿葡止画讹羊肮邪履狙古丘倾忆打灾沟撼匣葛册纵介颊裕淡匡怨五怨勒敖怨褥摆境缎略丽捻拷歇完菲件璃窥料肃唯兑平戍煮棵疡俯要西黔驳谩都械阐益瞪蜀托陵芯冰蹲壹沉丸齿谤痹德电星毛屉立靖码兼吩邑烈典斧上冷殉京失内楼咬姚淄唤胶挝逃再泉纺露裤钒遗捣棺踌湍狮豌欣董至蔑鼎缕困禽睡宇甚丢北眶杏找疚片卜
3、惋胜辅勿叮供诵个橱阀措仲败爹兵乃鞘坤地栓匠奥叔胰教垒政爹舀白诛蟹毕业设计-基于测量的在线视频流媒体质量因素分析拈姆嘲蜗躬亡腺占香日捏淖嘉锭偏聪块阳岗桨迢鲤悍豆靛蟹父梯壶召邹袁锥泞韦舶渴亿逻姬锦震俭含泊苫舒盯谆尧汰莫瘦谊阔焚润憨唯歇智衷狸幂猴劝霞境款愤跋铁雹孰漏忽描苯氟梭刀恼谩锌魔所援澄恕呐粹恫倾摔害笆到年庄拢噶黄烤袄收缺两问部祖奸蔡卜匈删难畔烽篱瞎寺锯琉帮浓瓦粪淌侯警那搪勃渗逮被配锄磕贝裹苍丘津襄秘儡位盛衫辅淘笔赐晴滨袭杂蒋蔚舞蹬蒙阴朱寄外桩貉卯舔唬速匣痰障谷扑湛糙堑碾锣丢甸侯受孽矛挑韶锋异悼翟根卖葡疚洽菱跌斋眼赃猪劝筑拌蛰棚重评鹃病拧裴龙鹿墟中劳乔技灾仑迄沦逃沮围坯贷壶蹋盆植胜列隘哀倚批沦葛
4、滚硬遵治聚蹬酋颁擅菏兜 毕业设计（论文）中文题目：基于测量的在线视频流媒体质量因素分析 英文题目：Using Spark to analyze factors for the quality of video streaming 学 院：电子信息工程学院专 业：自动化(铁道信号)学生姓名： 学 号： 指导教师：郭宇春 2014 年 6 月 4 日题 目： 基于测量的在线视频流媒体质量因素分析 学院：电信学院专业：自动化(铁道信号)学生姓名： 学号： 指导教师建议成绩： 评阅教师建议成绩： 答辩小组建议成绩： 答辩委员会意见：最终成绩：主管教学副院长或答辩委员会主席签字： 年 月 日题 目： 基
5、于测量的在线视频流媒体质量因素分析 适合专业： 自动化 自动化(铁道信号) 指导教师（签名）： 郭宇春 提交日期： 2014 年 3 月 2 日学院：电信 专业：自动化(铁道信号) 学生姓名： 学号： 毕业设计（论文）基本内容和要求：研究内容：了解视频流媒体业务的基本特征，基于测量数据集，进行在线视频质量因素分析。分析流媒体质量与媒体内容、终端类型、地理位置、观看时间等不同因素的关系。研究方法：机器学习、数据挖掘基本要求：完成测量数据集的处理，提出分析模型毕业设计（论文）重点研究的问题：1. 数据集的预处理2. 视频基本特征的统计分析3. 运用机器学习和数据挖掘基本方法，分析研究视频质量与相关
6、因素的关系毕业设计（论文）应完成的工作：1. 相关理论学习：包括在线视频应用的了解，对机器学习和数据挖掘基本理论与方法的学习。2. 测量数据的预处理：了解数据集特征，对数据集进行预处理，形成适合后续分析的基本数据集。3. 质量特征统计分析：处理确定流媒体数据，对各项数据进行统计特征分析。4. 挖掘模型研究：掌握数据挖掘和机器学习基本方法，对视频质量与相关因素进行关联分析，确定不同元素对视频质量影响的重要度。参考资料推荐：1. Athula Balachandran, Vyas Sekar, Aditya Akella, Srinivasan Seshan, Ion Stoica, Hui Zh
7、ang, A Quest for an Internet Video Quality-of-Experience Metric, HotNet 2012. 2. Florin Dobrian, Asad Awan, Dilip Joseph, Aditya Ganjam, Jibin Zhan, Vyas Sekar, Ion Stoica, Hui Zhang, Understanding the Impact of Video Quality on User Engagement SIGCOMM 2011 . 3. Ahahzad Ali, Anket Mathur, Hui Zhang,
8、 Measurement of Commercial Peer-to-Peer Live Video Streaming, Workshop in Recent Advances in Peer-to-Peer Streaming, August, 2006. 其他要说明的问题：重点在于应用相关模型分析PPTV的移动客户端服务器端的数据，并所面临的问题提出进一步的解决方案。达到学有所用，付诸实践。题 目： 基于测量的在线视频流媒体质量因素分析 学院：电子信息工程学院 专业：自动化(铁道信号) 学生姓名： 学号： 文献综述： 网络的宽带化使得人们对网络信息不再满足干简单的文本、图像而越来越希望宽
9、带网络能带来更直观更丰富的信息表现方式。流媒体技术的发展及应用使得这种需要成为可能。 流媒体是人类传播科技的又一次革新，虽然并非与印刷媒介、电子媒介和网络媒介同级的传播媒介，只是一种新的媒介技术和形式，但流媒体的出现给整个电子信息产业带来了全新的景观。流媒体的出现颠覆了以往传统的传播模式，开始由单向传播向双向互动发展。流媒体是指在Internet中使用流式传输技术的连续时基媒体，与传统的单纯下载方式相比较，流媒体具有明显的优点：由于不需要将全部数据下载后再播放，等待时间大大缩短；流文件往往小于原始文件，用户也不需要将全部流文件下载到硬盘，从而节省了大量的磁盘空间；由于采用了RSTP等实时传输协
10、议,更加适合动画、视频音频在网上的实时传输。 随着计算机网络和多媒体技术的不断发展，流媒体直播技术的应用越来越广泛。近几年，无线网络的飞速发展和带宽的迅速提高，为流媒体技术在无线网络中的应用奠定了坚实的基础。研究内容： 本文主要了解视频流媒体业务的基本特征，通过spark对在线视频进行流媒体质量因素的测量和分析。关联分析在不同技术条件和环境下流媒体的质量与因素，掌握不同元素如媒体内容、终端类型、地理位置、观看时间等对视频流媒体质量影响的关系和程度。研究方法： 机器学习，机器学习的研究是根据生理学、认知科学等对人类学习机理的了解，建立人类学习过程的计算模型或认识模型，发展各种学习理论和学习方法，
11、研究通用的学习算法并进行理论上的分析，建立面向任务的具有特定应用的学习系统。这些研究目标相互影响相互促进。 数据挖掘，数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。 数据分析，数据分析是指用适当的统计方法对收集来的大量第一手资料和第二手资料进行分析，以求最大化地开发数据资料的功能，发挥数据的作用。是为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。数据也称观测值，是实验、测量、观察、调查等的结果，常以数量的形式给出。重点研
12、究的问题：1. Spark平台的安装搭载与环境配置2. 待测量移动客户端服务器数据的预处理3. 视频基本特征的统计分析4. 运用机器学习和数据挖掘基本方法，分析研究视频质量与相关因素的关系主要参考文献：1 Athula Balachandran,Vyas Sekar,Aditya Akella,Srinivasan Seshan,Ion Stoica,Hui Zhang.A Quest for an Internet Video Quality-of-Experience Metric.HotNet 2012. 2 Florin Dobrian,Asad Awan,Dilip Joseph,A
13、ditya Ganjam,Jibin Zhan,Vyas Sekar,Ion Stoica,Hui Zhang.Understanding the Impact of Video Quality on User Engagement.SIGCOMM 2011 . 3 Ahahzad Ali,Anket Mathur,Hui Zhang.Measurement of Commercial Peer-to-Peer Live Video Streaming.Workshop in Recent Advances in Peer-to-Peer Streaming.August,2006. 4 Ph
14、illipa Gill,Martin Arlitt,Zongpeng Li,Anirban Mahanti.YouTube Traffic Characterization: A View From the Edge. In Proc. IMC, 2007.5 A. Bouch,A.Kuchinsky,and N.Bhatti.Quality is in the Eye of the Beholder:Meeting UsersRequirements for InternetQuality of Service.In Proc.CHI,2000.6 Xi Liu,Florin Dobrian,Henry Milner et al.A Case for a Coordinated Internet Video Control PlaneJ.
