1、隨著移動通信技術、視頻編解碼技術、視頻壓縮技術的不斷發(fā)展，移動視頻流業(yè)務的需求正呈爆炸式增長，其性能評估的重要性日益突顯。視頻流業(yè)務質(zhì)量的優(yōu)劣不僅直接影響用戶的感受，而且成為業(yè)務吸引、保持用戶的重要因素。因此，如何有效評估并優(yōu)化端到端視頻流業(yè)務的用戶體驗質(zhì)量不僅成為網(wǎng)絡運營商關心的問題，也成為學術界需要迫切研究和解決的課題。
　　 傳統(tǒng)的服務質(zhì)量(Quality of Service，QoS)僅通過丟包率、帶寬等一些離散的、客觀

2、的指標來衡量業(yè)務質(zhì)量，但這些參數(shù)并不能完全刻畫無線網(wǎng)絡的傳輸狀態(tài)是否真實滿足用戶的需求。用戶體驗質(zhì)量(Quality of Experience，QoE)從用戶的角度出發(fā)，能夠比較準確地反映用戶對于視頻服務的滿意程度。論文在分析現(xiàn)有用戶體驗質(zhì)量評估技術的基礎上，針對無線網(wǎng)絡中端到端視頻流業(yè)務的QoE預測及優(yōu)化問題進行了研究和探討。
　　 針對無線網(wǎng)絡中端到端視頻流業(yè)務的用戶體驗質(zhì)量預測問題，論文引入機器學習理論中模型組合的思想，

3、建立了一種基于梯度提升決策樹(Gradient Boosting Decision Tree，GBDT)算法的QoE預測模型。預測模型綜合考慮了各類影響參數(shù)，分別來自于應用層、網(wǎng)絡層、視頻內(nèi)容特征以及用戶終端。仿真結果表明，與其它無參考的用戶體驗質(zhì)量預測算法比較，我們提出的無參考的用戶體驗質(zhì)量預測算法在預測結果準確性及時間復雜度方面都有較好的性能。
　　 針對無線網(wǎng)絡中端到端視頻流業(yè)務的用戶體驗質(zhì)量優(yōu)化問題，本文提出了一種基于碼