1. 毕业设计（论文）的内容和要求

随着互联网技术的发展，视频已经成为人们生活中最重要的娱乐方式之一。

根据思科的vni全球固定和移动互联网流量预测数据，到2021年时，全球ip视频流量在所有ip流量中的比例将达到82%，其中互联网视频占51%。

如此巨大的数据量对当前的视频服务带来了极大的挑战。

2. 参考文献

[1] Bampis C G, Bovik A C. Learning to Predict Streaming Video QoE: Distortions, Rebuffering and Memory[J]. 2017. [2] Moorthy A K, Choi L K, Bovik A C, et al. Video Quality Assessment on Mobile Devices: Subjective, Behavioral and Objective Studies[J]. IEEE Journal of Selected Topics in Signal Processing, 2012, 6(6):652-671. [3] Bampis C G, Li Z, Bovik A C. Continuous Prediction of Streaming Video QoE Using Dynamic Networks[J]. IEEE Signal Processing Letters, 2017, 24(7):1083-1087. [4] Huang T Y, Johari R, Mckeown N, et al. A buffer-based approach to rate adaptation: evidence from a large video streaming service[C]// ACM Conference on SIGCOMM. ACM, 2014:187-198. [5] 贾凯凯. 网络视频服务中用户体验质量预测研究[D]. 北京交通大学, 2017. [6] 张大陆, 张起强, 胡治国,等. IP网络中视频流QoE评价模型[J]. 计算机工程与应用, 2012, 48(3):83-87. [7] 刘子沂, 李凡. 基于视频内容的QoE评价模型[J]. 微电子学与计算机, 2015(6):73-77. [8] 文艺林, 黎文伟. 移动视频业务QoE自适应测量工具[J]. 计算机系统应用, 2017, 26(2):201-206. [9] 陈邓. 移动互联网新型数据业务QoE评价方法的研究[D]. 北京邮电大学, 2012. [10] 孙思莹. 网络视频环境中面向用户QoE的分析与应用[D]. 南京邮电大学, 2016. [11] 彭锴. 一种视频流码率自适应调整算法[J]. 中国电子商情#8226;通信市场, 2014(2):46-52. [12] 张士菊. LTE网络中自适应码率视频流传输方案的研究与仿真[D]. 北京邮电大学, 2015. [13] 王坚. 浅论自适应码率视频流的原理及在OTT中应用[J]. 中国新通信, 2014(3):22-24. [14] 汤凯. 面向动态自适应视频的传输优化和QoE建模研究[D]. 北京大学, 2014.

3. 毕业设计（论文）进程安排

2017-12-20～2018-01-05 选题，查阅文献资料 2018-01-07～2018-02-28 准备开题报告，正式开题 2018-02-28～2018-03-21 学习现有的视频qoe预测方法，利用机器学习的方法进行改进 2018-03-22～2018-05-16 视频qoe预测机制的性能分析 2018-05-17～2018-05-31 认真撰写毕业设计论文； 完成英文文献的翻译工作。

2018-06-01～2018-06-10 进一步修改、完善论文，准备论文答辩。

2018-06-11～2018-06-14 毕业论文答辩