流式视频已成为迄今为止网络流量的最大组成部分,并随着互联网的快速发展呈现出爆炸式增长态势,网络视频用户体验质量(Quality of Experience,QoE)已成为用户与网络运营商共同关注的重要问题。如何在海量视频中提升用户观看视频的体验质量,满足终端用户的观看体验需求是当前视频网络性能优化的核心问题之一。针对这一问题,论文基于内容分发网络(Content Delivery Network,CDN)构建面向QoE感知的视频分发策略,优化骨干网络带宽资源利用率,提高网络传输质量;进一步设计K-means改进算法对分发策略进行优化,有效减少源服务器的负载,改进客户端用户视频观看体验质量。论文主要工作如下:(1)QoE是用户主观对服务认可度的量化模型,视频的块效应、模糊度、运动性、帧率、分辨率以及视频内容是影响用户对视频主观感受的主要因素。论文从这些影响因素出发,构建基于用户感兴趣视频内容的QoE评价模型,并对该模型进行QoE性能分析。(2)通过用户感兴趣的视频改进QoE评价模型,基于该模型的性能指标,设计面向QoE感知的视频分发策略。首先,通过用户感兴趣模型分析用户对每个视频内容的感兴趣度,然后利用兴趣偏向向量计算出用户对各类内容的兴趣比重,并将得到的推送内容预分发到代理服务器上,以降低代理服务器成本和负载。最后,利用前缀缓存策略对预分发的内容实施前缀缓存,降低请求启动时延。(3)针对代理服务器的成本问题,用户代理服务器节点位置的选取很重要,论文设计K-means聚类改进算法,快速迭代出每个用户最佳的代理节点位置,从而实现视频分发策略的路径优化。最后,通过CDNsim仿真系统进行模拟实验,验证了本文提出的视频分发策略可以显著缩短服务器的响应时间,将服务器缓存命中率提高6%~10%,从而提高用户体验质量。