在日益增长的网络服务中,为了研究如何向用户提供更高质量的服务,确保服务能够得到用户的认可,以用户为中心来评价服务质量是当前的迫切需要。用户体验质量(QoE, Quality of Experience)从用户主观感知出发,以用户对服务的认可程度作为评价服务的标准,是对传统服务质量(QoS, Quality of Service)的扩展。因此,QoE评估成了目前网络管理领域的研究重点。本论文致力于研究视频流业务的QoE评估。为了更准确有效地评估视频流业务的用户体验质量,在评估用户体验质量之前,先对视频内容进行分类,然后针对不同的视频内容类型分别进行区分评估。本文分析视频内容典型特征,考虑用户对视频场景特征的感知,提出面向用户体验的视频特征信息提取机制,采用快速准确有效的视频内容聚类算法,建立面向用户体验的视频内容类型分类机制。在视频内容分类的基础上,本文分析UDP传输视频流的典型特征,研究影响UDP视频流用户体验质量的客观参数,分别从应用层、网络层和比特流层抽取高级别性能指标,建立分层客观性能指标体系。并基于BP神经网络建立分层客观性能指标与QoE量化MOS值之间的映射模型,以较高的准确率实时评估UDP视频流的用户体验质量。在研究UDP视频流用户体验质量的基础上,分析TCP视频流和UDP视频流的关键差别,提出影响TCP视频流用户体验质量的应用层客观性能指标。采用BP神经网络建立客观性能指标与QoE之间的关联模型,以较高的准确率评估TCP视频流的用户体验质量。综上所述,本论文的研究成果可以在降低时间开销以及计算成本的基础上,实现UDP视频流和TCP视频流QoE评估的实时性与准确性,达到了本研究的预期目标。