應用	論文(體驗感知)	參數(細表)	模型	算法及優點(優勢)說明	算法歸類	應用場景	備注說明
視頻	《網絡傳輸中IPTV的QoE評估模型的研究》張大陸 2013； 通過分析各網絡參數的損傷對IPTV用戶體驗的影響，建立網絡參數到用戶體驗質量的評估模型	丟包、抖動、時延、帶寬；音視頻編碼類型	QoE評估模型	該評估模型與實際用戶體驗有較高的擬合度	初等模型	IPTV網絡	http://www.doc88.com/p-7718886916541.html
視頻	《基于決策樹的流媒體視頻用戶體驗質量評測》 通過從物理層包級別和應用層視頻幀級別提取描繪視頻特性及網絡丟包和時延損傷的特征參數，采用決策樹統計學習方法對流媒體服務的用戶體驗質量進行評測	視頻相關：比特率，幀率，空間復雜度，時間復雜度；網絡丟包損傷：丟包率，丟包長度最小值、最大值、方差，丟包距離最小值、最大值、平均值、方差，解碼失敗幀百分比，受損傷幀百分比，1幀失敗百分比，成功解碼面積百分比、最值、平均值 ；網絡時延損傷：時延方差、幀時延長度最大值、最小值、方差，時延幀距離最大值、最小值、方差；	基于決策樹的用戶體驗模型	此模型具有實現簡單、獨立于視頻編碼算法、效率高等優點，適用于網絡側流媒體視頻監測系統	統計學習	流媒體	http://www.doc88.com/p-7807715282395.html
整體	《一種快速的報文丟失率推測方法》2006；由于某些網絡內部封閉性,近來提出一種稱為網絡斷層掃描技術,即根據網絡外部（網絡邊界）的測量來分析和推斷網絡內部性能，核心思想是利用多播或廣播方法在網絡邊緣發送探測報文,利用端到端的測量來推測內部性能，如丟包率和延遲。	三個參數:樹形網絡中葉節點集合，探測報文數量，葉節點接受報文數量	使用二叉樹表示網絡拓撲,并假設報文丟失符合Bernoulli模型,使用隨機過程來構建報文丟失模型，進而使用報文丟失率推測算法來進行評估。	傳統似然估計算法計算量會隨著網絡規模增加而增長,本論文算法優點在于簡單快速，計算量小.使用NS2仿真結果證明算法推測出的報文丟失率和實際丟失率相當接近.	概率估算	樹形網絡中判斷鏈路丟包率	http://www.docin.com/p-1273691838.html
WLAN	《WLAN報文傳輸性能優化技術研究與實現》2012；論文提出兩個改進點：1.基于鏈路信息的動態幀聚會算法，該算法根據鏈路狀態改變動態調整聚合機制，使得網絡吞吐量最大化；2.為了解決低傳輸速率錯誤幾率低,而高傳輸速率在噪聲鏈路中錯誤率高的矛盾,提出了mrra速率控制算法，以某個速率發送報文的誤包率來決定增速還是減速	1.基于鏈路信息的動態幀聚合算法：參數3個,包含傳輸報文長度Lcur、重傳次數R，聚合時間初始值Tagg 2.mrra速率控制算法：參數2個,包含支持速率表，傳輸誤包率	1.據鏈路狀態改變動態調整聚合機制 2.MMR(Multi-Rate Retry)機制主要思想是，當報文手冊發送失敗重傳時，不應該使用同一速率，而是使用不同的速率進行重傳，來增加成功的可能性	1.基于鏈路信息的動態幀聚會算法,根據報文速率等統計信息計算誤碼率ber,并根據參考成果設置對應的聚合幀長限制.對比標準聚合機制,該改進可以使網絡吞吐量最大化. 2.速率控制算法有兩類:基于發送方和接收方,本文關注基于發送方,對比已有的arf算法\onoe算法\samplerate算法,提出了mrra速率控制算法,采用MRR機制,根據以某個速率發包時的誤包率來決定增速還是減速	動態規劃	無線網絡	http://www.doc88.com/p-9995771104648.html
校園網	《基于流量特性的校園網網絡性能分析與研究》2012；基于網絡中流量的自相似特性，使用希爾伯特黃變換方法來進行流量異常檢測。	網絡流量,參數包含:ifoutocters mib值,采樣時間,	基于自相似的HHT異常檢測算法	假設有表示網絡流量的時間序列X，對其進行HHT變化處理，核心是經驗模態分解（EMD）算法,分離出趨勢項和隨機成分等其他項。然后對隨機成分集合的時間序列進行卡方檢驗（chi-square test），判斷變換后時間序列是否與原始序列具有相同的網絡流量特征。該方法對比常規異常檢測誤差方法，可以減小流量整體變化帶來的計算誤差。	隨機過程	校園網等具有時間周期性的網絡環境	http://www.doc88.com/p-6931137670227.html
視頻	《基于多特征類型的無線視頻質量用戶體驗QoE方法研究》 在視頻像素域研究基礎上，提出新的基于內容感知的跨層視頻質量評價模型；基于人眼仿真學的研究，提出兩種適用于異構網絡的視頻質量預測模型；提出無參考視頻質量評估模型；提出適用于移動終端的無參考視頻質量預測模型	序列平均絕對差異和、平均色彩直方圖、平均顏色熵、平均邊緣復雜度 網絡層參數：I幀/B幀/P幀(丟幀率、丟包率)，幀延時，數據包延時，幀抖動、數據包抖動	基于內容感知的跨層視頻質量評價模型 多視頻參數歸一化非實時QoE評價模型 基于人眼視覺系統敏感度的視頻質量預測模型 傳輸參數感知的視頻質量預測模型(TQM） 內容感知的支持向量機QoE評價模型 端到端的視頻質量預測模型 無參考視頻質量評估模型 無參考視頻質量評估模型預測 基于比特流視頻質量的評價型(BBVQM)	Canny算法(最優階梯型邊緣檢測算法) 各模型對應的算法	數學算法	無線視頻	http://xueshu.baidu.com/s?wd=paperuri%3A%281d37de965e2836667654af2d9781c128%29&filter=sc_long_sign&tn=SE_xueshusource_2kduw22v&sc_vurl=http%3A%2F%2Fwww.doc88.com%2Fp-1148032544891.html&ie=utf-8
視頻	《HTTP網絡視頻質量評估方法的研究》 在分析QoE與QoS的定義及關系基礎上，建立網絡層度量指標，再應用神經網絡算法，將視頻性能度量指標作為輸入，輸出視頻質量評估結果	初始緩沖時間，重緩沖時間，重緩沖頻率；時延，丟包率	基于網絡參數的HTTP視頻質量評估模型	神經網絡算法；擬合度較高	神經網絡	視頻	http://www.doc88.com/p-0317197498184.html
視頻	《考慮丟包特性的無參考網絡視頻質量評估模型》2012； 針對相同丟包率條件下不同的包丟失集中度對視頻質量影響不同，提出一種不對視頻解碼無參考的網絡視頻質量評估模型	視頻內容、丟包率和丟包集中度	不對視頻解碼無參考的網絡視頻質量評估模型	無參考網絡視頻質量評價模型與主觀質量評價的相關性平均提高了6.18%	初等模型	視頻	http://www.docin.com/p-1220383772.html
視頻	《基于TCP數據包層分析的移動互聯網用戶體驗的評估方法》2014； 提出基于傳輸控制協議數據包分析的用戶體驗評估方法，適應于單用戶粒度，從用戶行為及用戶感知兩方面定性和定量評估用戶體驗	視頻流文件大小，片長，折合實際傳輸過程的平均碼率，用戶平均下午速率	PLA模型：粗、細微粒度	NA	初等模型	TCP數據層	http://www.doc88.com/p-9919560564787.html
IPTV	《A QoE management system to improve the IPTV network》2010；根據網絡參數，提出一個計算QOE的公式，并根據用戶接受信息來調整網絡特性，以提供更好的IPTV Qoe給用戶；	QOE為網絡QOE和用戶QOE之和，其中網絡QOE參數包含3個:延遲，抖動，丟包率；用戶QOE參數包含視頻質量、同步時間、切換時間.對網絡設備而言,只能提供計算網絡QOE的參數.	構建一個系統，根據參數計算qoe，發現qoe不在指定范圍內時，通過mib來對網絡設備進行配置優化	重復計算QOE，如果在合理范圍則僅保存計算結果，否則就修改配置調整參數.修改網絡配置包含:修改用于IPTV的VLAN帶寬\隊列長度\優先級,切換備份線路.	初等模型	IPTV網絡	https://www.researchgate.net/profile/Miguel_Garcia11/publication/220547947_A_QoE_management_system_to_improve_the_IPTV_network/links/0fcfd51138eed98ed9000000.pdf
整體	《Enabling autonomic access network QoE management through TCP monitoring》2007；該文章針對接入網絡場景,提出一種使用tcp報文中3元素作為參數來計算丟包率的方法	計算丟包率,監控面參數：tcp報文頭部序號,確認序號,頭部長度,接收時間,	使用狀態機建模	文章使用‘接入網絡TCP監控算法’，即匹配數據和ACK報文來計算上下行丟包，進而估算RTT.對比其他基于重傳的測量算法,該方法偏差率小50%,并且在抖動情況下誤報率更低.	狀態機	接入網絡或家庭網關	http://biblio.ugent.be/publication/384751/file/582343.PDF
整體	《一種基于神經網絡的網絡設備故障預測系統》2014；采用BP（Back Propagation）神經網絡進行故障預測，提取網絡設備中各參數作為故障特征量，轉為歷史樣本對網絡進行訓練，而后即可對網絡設備故障進行預測	參數包含6個：設備運行時間，板卡溫度，cpu利用率，內存利用率，syslog級別，syslog刷新速度	使用BP神經網絡建模	中間層神經元傳遞函數選擇S型正切函數，輸出層神經元傳遞函數選用log-sigmoid函數進行歸一化。使用神經網絡算法對比其他擬合算法能夠更接近目標函數。20個輸入函數以下的問題都能在50000次的學習以內收斂到最低誤差附近。理論上一個三層的神經網絡，能夠以任意精度逼近給定的函數。	神經網絡	針對逐漸劣化的網絡環境和設備,并且有歷史數據作為參考訓練	http://www.doc88.com/p-7864538112764.html
VOIP	《一種VoIP語音質量評價模型》2012 研究QOS參數變化和QOE之間的映射關系，用回歸分析方法建立了可測量Qos參數與QoE之間的映射模型	分組丟包，抖動損傷，編/解碼延遲、算法延遲、傳輸延遲、緩存延遲	QOS參數變化和QOE之間的映射模型	PESQ算法 Emodel算法 在運用PESQ算法對分組丟失損傷的結果進行分析的基礎上，對E-Model的損傷系數進行擴展，使E-model模型可方便地應用于語音編碼	數學算法	VOIP	http://www.doc88.com/p-606824890823.html
IPTV	《IPTV網絡參數化QoE模型的研究》尤峰華 2010；	丟包、抖動、時延、帶寬；丟失突發與間隔、周期、密度、個數、比例； DF：采樣周期內，接收的媒體數據和播放用去的數據之差的變化的大小	T-Model模型	可測試與評估網絡的參數性能是否滿足IPTV傳輸的要求，可實時測試出系統提供的IPTV的服務質量，可有效地定位出導致服務質量下降的瓶頸節點 能更加準確地描述網絡與用戶的主觀體驗值之間的關系	初等模型	IPTV網絡	http://www.doc88.com/p-9068158006870.html
無線視頻	《無線視頻流業務的用戶體驗質量估計模型及其應用》2014； 提出基于徑向基函數神經網絡的無參考質量評估模型(RBFN)；	視頻特征：時間信息、空間信息、亮度信息、顏色信息 編碼比特率、丟包率、幀率、分辨率、終端尺寸	判別分析、決策樹、廣義線性模型、SVM模型、GBDT模型、KNN模型、BPNN模型、CBPN模型	RBFN的QoE估計模型不僅評估準確度最高，而且具有低的時間復雜度	初等模型	無線視頻	http://www.doc88.com/p-9068158006870.html 基于神經網絡的評估模型； 基于決策樹評估模型 基于支持向量機的評估模型 基于距離法的評估模型 基于梯度提升決策樹的評估模型
路由	《基于用戶體驗評價模型的最優路由選擇算法》張大陸 2012； 基于QoE評價模型，給出以QoE為目標的最優路由選擇算法	模型系數，給定路徑，抖動，時延，丟包率，表征值，前向節點信息	QoE最優路由選擇問題模型	廣度優先；最優路由選擇算法QoE_DSP 該算法能保證所得路徑滿足QoE評價模型的路由選擇算法，同時考慮網絡資源利用率情況下的QoE路由算法也是一個比較實際的應用場景	廣度優先	路由選擇	http://xueshu.baidu.com/s?wd=paperuri%3A%2825eb4012248d283646e869cddb2227e9%29&filter=sc_long_sign&tn=SE_xueshusource_2kduw22v&sc_vurl=http%3A%2F%2Fwww.docin.com%2Fp-1450041346.html&ie=utf-8&sc_us=11131841752499208724

總結

以上是生活随笔為你收集整理的网络应用qoe度量算法模型的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。