The development of the smart devices had led to demanding high-quality streaming videos over wireless communications. In Multimedia technology, the Ultra-High Definition (UHD) video quality has an important role due to the smart devices that are capable of capturing and processing high-quality video content. Since delivery of the high-quality video stream over the wireless networks adds challenges to the end-users, the network behaviors ‘factors such as delay of arriving packets, delay variation between packets, and packet loss, are impacted on the Quality of Experience (QoE). Moreover, the characteristics of the video and the devices are other impacts, which influenced by the QoE. In this research work, the influence of the involved parameters is studied based on characteristics of the video, wireless channel capacity, and receivers’ aspects, which collapse the QoE. Then, the impact of the aforementioned parameters on both subjective and objective QoE is studied. A smart algorithm for video stream services is proposed to optimize assessing and managing the QoE of clients (end-users). The proposed algorithm includes two approaches: first, using the machine-learning model to predict QoE. Second, according to the QoE prediction, the algorithm manages the video quality of the end-users by offering better video quality. As a result, the proposed algorithm which based on the least absolute shrinkage and selection operator (LASSO) regression is outperformed previously proposed methods for predicting and managing QoE of streaming video over wireless networks.

智能设备的发展已导致对通过无线通信的高质量流视频的需求。在多媒体技术中，由于能够捕获和处理高质量视频内容的智能设备，超高清（UHD）视频质量起着重要作用。由于通过无线网络传送高质量视频流给最终用户带来了挑战，因此网络行为的因素（例如到达数据包的延迟，数据包之间的延迟变化以及数据包丢失）会影响体验质量（ QoE）。此外，视频和设备的特性是其他影响因素，受QoE影响。在这项研究工作中，将根据视频的特性，无线信道容量和接收器的方面来研究所涉及参数的影响，这会使QoE崩溃。然后，研究上述参数对主观和客观QoE的影响。提出了一种用于视频流服务的智能算法，以优化评估和管理客户端（最终用户）的QoE。所提出的算法包括两种方法：首先，使用机器学习模型来预测QoE。其次，根据QoE预测，该算法通过提供更好的视频质量来管理最终用户的视频质量。结果，所提出的基于最小绝对收缩和选择算子（LASSO）回归的算法优于先前提出的用于预测和管理无线网络上流视频的QoE的方法。提出了一种用于视频流服务的智能算法，以优化评估和管理客户端（最终用户）的QoE。所提出的算法包括两种方法：首先，使用机器学习模型来预测QoE。其次，根据QoE预测，该算法通过提供更好的视频质量来管理最终用户的视频质量。结果，所提出的基于最小绝对收缩和选择算子（LASSO）回归的算法优于先前提出的用于预测和管理无线网络上流视频的QoE的方法。提出了一种用于视频流服务的智能算法，以优化评估和管理客户端（最终用户）的QoE。所提出的算法包括两种方法：首先，使用机器学习模型来预测QoE。其次，根据QoE预测，该算法通过提供更好的视频质量来管理最终用户的视频质量。结果，所提出的基于最小绝对收缩和选择算子（LASSO）回归的算法优于先前提出的用于预测和管理无线网络上流视频的QoE的方法。该算法通过提供更好的视频质量来管理最终用户的视频质量。结果，所提出的基于最小绝对收缩和选择算子（LASSO）回归的算法优于先前提出的用于预测和管理无线网络上流视频的QoE的方法。该算法通过提供更好的视频质量来管理最终用户的视频质量。结果，所提出的基于最小绝对收缩和选择算子（LASSO）回归的算法优于先前提出的用于预测和管理无线网络上流视频的QoE的方法。