基于测量的在线视频流媒体质量因素分析本科毕业设计论文.doc
《基于测量的在线视频流媒体质量因素分析本科毕业设计论文.doc》由会员分享,可在线阅读,更多相关《基于测量的在线视频流媒体质量因素分析本科毕业设计论文.doc(82页珍藏版)》请在三一办公上搜索。
1、 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: 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: 基于测量的在线视频流媒体质量因
2、素分析 适合专业: 自动化 自动化(铁道信号) 指导教师(签名): 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因素的关系毕业设计(论文)应完成的工
3、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 Zhang, A Quest for a
4、n 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, Measurement of Co
5、mmercial 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带网络能带来更直观更丰富的信息表现方
6、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等实时传输协议,更加适合动画、视频音频在网上的实
7、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,研究通用的学习算法并进行理论上的分析
8、,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。重点研究的问题:1. Spark平台的安装
9、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,Aditya Ganjam,Jibin
10、 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 Phillipa Gill,Martin
11、 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 a
12、l.A Case for a Coordinated Internet Video Control PlaneJ.Computer Communication Review,2012,42(4):359-370.7 兰杰.基于用户体验的流媒体测试方案的设计与实现D.北京大学,2009.8 程伟.网络视频流质量监测系统设计与实现D.北京邮电大学,2012.9 周敬利,马志龙,范晔斌等.视频流媒体传输失真研究J.小型微型计算机系,2006,27(2):264-267.DOI:10.3969/ j.issn.1000-1220.2 006.02.018.10 http:/en.wikipedia.o
13、rg/wiki/Cluster_analysis11 http:/en.wikipedia.org/wiki/K-means_clustering11 http:/cwiki.apache.org/confluence/display/SPARK/研究方案:5. 相关理论学习:对视频流媒体业务的发展现状和视频质量监测的研究现状进行了整理分析,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。6. 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。7. 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。8. 挖掘模型研究:掌握数据
14、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。毕业设计(论文)进度安排:序号毕业设计(论文)各阶段内容时间安排备注1仔细阅读任务书,查找相关文献并阅读12周2学习机器学习和数据挖掘基本理论与方法,深入课题的理论基础并写开题报告3-4周3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。5周4安装搭载Spark平台,对平台进行环境变量的配置,运行相关例子,测试是否成功安装。6-7周5掌握数据挖掘和机器学习基本方法,应用聚类算法对视频质量与相关因素进行关联分析,即使用相关模型分析PPTV的移动客户端服务器端的数据。8-10周6确定流媒
15、体视频不同元素之间的影响与程度11周7撰写毕业论文1213周8准备答辩14周9毕设答辩1516周指导教师意见:填写说明:查阅资料是否全面,提出的研究方案和计划进度是否可行,还有什么需要注意和改进的方面,是否同意按学生提出的计划进行等。指导教师签名: 审核日期: 年 月 日题 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: 毕业设计(论文)完成情况(包括设计图纸、说明书、实验报告、计算机软硬件、外文翻译及摘要、论文书写及规范化等)评价(50分):毕业设计(论文)成果质量评价意见(30分):学生工作态度和考勤情况评价(10分):开题
16、报告的评定成绩(10分):总成绩:_指导教师 (签名):_日期:_年 月 日题 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: 毕业设计(论文)完成情况评价(包括设计图纸、说明书、实验报告、计算机软硬件、外文翻译及摘要、论文书写及规范化等)(50分):毕业设计(论文)成果质量评价意见(40分):开题报告评价意见(10分):评定成绩: 评阅人: 日期: 年 月 日题 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: 毕业设计(论文)完成情况和成果质量(工作量、任务难度
17、、专业理论的运用、综合运用能力、资料的充足与可信情况、成果水平)评价意见(80分):答辩表现评价意见(20分):评定成绩: 答辩组长: 日期: 年 月 日中文摘要 Spark是一个针对超大数据集合的低延迟的集群分布式计算系统,Spark兼容于Hadoop 数据源,但是比MapReducer快100倍左右,特别适合于机器学习处理。Spark还在萌芽阶段,尚未高速发展,随着Spark1.0.0 版本的发布,标志着apache的顶级开源项目Spark作为大数据的新贵,越来越多的受到IT业界的极大关注,将被广泛应用。 搭载实现Spark平台并应用Spark来研究处理分析在线视频流媒体质量因素。论文介绍
18、了课题的相关研究背景知识,并且对Spark的组成及原理进行了详细地介绍和研究。根据实验的需要,完成了平台的总体配置,对其性能进行了验证,研究其机器学习库。首先介绍在业界获得普遍认同的分布式文件系统的用户需求和架构模型然后针对RDD的体系架构进行介绍,最后通过KMeans机器学习算法分析了用户在流媒体视频观看时间与缓冲次数的关系,总结了流媒体相关因素的关系。实验采用的平台是Linux的Ubuntu12.04LTS版本,应用的是Apache Spark平台。系统所有的编写、调试与测试都在此实验平台下进行。关键词:Spark;机器学习;KMeans;数据挖掘;视频流媒体AbstractApache
19、Spark is a fast and general engine for large-scale data processing.Which run programs up to 100x faster than Hadoop MapReduce in memory,or 10x faster on disk.Spark is easy to use,writing applications quickly in Java, Scala or Python.More and more IT engineers pay attention to it,and it is being wide
20、ly used in famous companies such as Alibaba Taobao,Amazon,Baidu,Netease,Sohu,Tencent,Yahoo!.Using machine learning for data mining analyzing the relationship between buffer and time of user viewing by Spark.Introducing the related background knowledge of Spark and principle of Spark.According to the
21、 needs of the experiment,building the platform of Spark.Secondly,introducing the architecture model of RDD.Then using the Kmeans algorithm for analyzing the relationship between buffer and time of user viewing through machine learning.In the end,summarizing the relationships between the related fact
22、ors of streaming video. The experimental platform used is the Linux version of Ubuntu12.04 LTS and Apache Spark platform.All the writing,debugging and testing is in this platform.Key words:spark; machine learning; K-means; data mining; streaming video目录目录1第一章 前言311 课题研究背景和意义31.2 课题研究内容和本文的主要工作方法51.3
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 测量 在线视频 流媒体 质量 因素 分析 本科 毕业设计 论文
链接地址:https://www.31ppt.com/p-3940665.html