基于机器学习的自适应比特率流媒体系统设计开题报告

1. 文献综述

随着移动互联网速度大幅提升，移动数据业务激增，视频流量比重逐年增大，用户通过移动视频业务观看视频的时间将会增加，新的业务类型也会层出不穷。

目前流媒体技术已被广泛应用于在线直播、视频点播、电子商务、远程教育、远程医疗、实时视频会议等综合信息服务。

移动视频的业务量也将随着用户需求的不断增加而水涨船高。

2. 研究内容和问题

3）强化学习的基本概念，Q-学习的基本方法，以及用Q-学习建模自适应比特率的决策。

难点：自适应比特率决策建模为Q-学习。

3. 设计方案和技术路线

由自适应比特率流媒体系统的基本原理出发，理解自适应比特率算法的目的，并通过基于吞吐量和缓冲区占用的基础自适应比特率算法加深理解。

由最基本的表方法（tabular methods）入手掌握强化学习的基本概念，在此基础上，结合自适应比特率决策的特点，研究利用瓦片编码（tile coding）对ABS系统的状态进行近似，并实现Q-学习增强的自适应比特率算法。

4. 研究的条件和基础

1.ubuntu18系统。

2.强化学习算法基础知识。

3.自适应流媒体视频请求分发系统。