本文選題：流分類 + 多媒體業(yè)務(wù)��； 參考：《南京郵電大學(xué)》2017年碩士論文

【摘要】：隨著互聯(lián)網(wǎng)近年來的不斷普及和發(fā)展,新型的網(wǎng)絡(luò)業(yè)務(wù)層出不窮。然而,網(wǎng)絡(luò)業(yè)務(wù)的增長(zhǎng)給網(wǎng)絡(luò)流的分類和管理工作帶來了極大的困難。多媒體業(yè)務(wù)(如音頻業(yè)務(wù)、視頻業(yè)務(wù)、網(wǎng)頁(yè)瀏覽等)作為互聯(lián)網(wǎng)業(yè)務(wù)中最重要的組成部分之一,占據(jù)著最大一部分的網(wǎng)絡(luò)流量。因此,對(duì)多媒體業(yè)務(wù)的流分類是一個(gè)重要的研究?jī)?nèi)容,有助于網(wǎng)絡(luò)業(yè)務(wù)提供商(ISP,Internet Service Provider)為用戶分配合適的網(wǎng)絡(luò)資源,保障業(yè)務(wù)的服務(wù)質(zhì)量。本文主要針對(duì)6種多媒體業(yè)務(wù)進(jìn)行了細(xì)粒度的分析:在線音頻類業(yè)務(wù)(即時(shí)語(yǔ)音通信和網(wǎng)絡(luò)音樂)、在線視頻類業(yè)務(wù)(直播和非直播)和網(wǎng)頁(yè)瀏覽(搜索引擎和網(wǎng)絡(luò)新聞業(yè)務(wù))。本文對(duì)上述多媒體業(yè)務(wù)進(jìn)行QoS(Quality of Service)特征的研究,并對(duì)這些業(yè)務(wù)的流樣本進(jìn)行了建模工作。具體研究工作如下:針對(duì)傳統(tǒng)高斯混合模型(GMM,Gaussian mixture model)容易受到數(shù)據(jù)樣本邊緣值和離群樣本的影響,本文用t分布混合模型(TMM,student's t-distribution mixture model)替代原有的高斯混合模型,并使用EM(Expectation Maximization)算法對(duì)6種多媒體業(yè)務(wù)進(jìn)行了建模工作。之后,提出了有限t分布混合模型(LTMM,Limited student's t-distribution mixture model)。該模型可以降低EM算法的迭代次數(shù),有效減少建模時(shí)間。此外,本文從理論和實(shí)驗(yàn)的角度將提出的混合模型與傳統(tǒng)的K-Means和高斯混合模型進(jìn)行了復(fù)雜度和分類準(zhǔn)確度的對(duì)比,從而驗(yàn)證了兩種模型的合理性。本文結(jié)合兩種提出的混合模型,使用改進(jìn)的半監(jiān)督流分類方法對(duì)多媒體業(yè)務(wù)進(jìn)行了分類工作。該方法可以分為數(shù)據(jù)預(yù)處理、數(shù)據(jù)建模以及數(shù)據(jù)分類三個(gè)部分。本文對(duì)該方法的聚類中心、細(xì)分類算法等內(nèi)容進(jìn)行了深入地探討。實(shí)驗(yàn)結(jié)果表明,使用本文的半監(jiān)督流分類方法對(duì)于多媒體業(yè)務(wù)可以獲得較高的分類準(zhǔn)確度。
[Abstract]:With the continuous popularization and development of the Internet in recent years, new network services emerge in endlessly. However, the growth of network traffic brings great difficulties to the classification and management of network flows. As one of the most important components of Internet services, multimedia services (such as audio services, video services, web browsing, etc.) occupy the largest portion of network traffic. Therefore, stream classification of multimedia services is an important research content, which is helpful for ISPU Internet Service provider to allocate appropriate network resources to users and ensure service quality. In this paper, six kinds of multimedia services are analyzed in detail: online audio services (instant voice communication and network music services), online video services (live and non-live) and web browsing (search engine and network news services). In this paper, the QoS quality of service features of these multimedia services are studied, and the flow samples of these services are modeled. The research work is as follows: in view of the influence of the edge values of data samples and outlier samples on the traditional Gao Si mixed model, the t-distribution mixed model (TMM) is used to replace the original Gao Si mixed model. The EMN expectation maximization algorithm is used to model six multimedia services. After that, a finite t distribution mixed model is proposed. This model can reduce the number of iterations of EM algorithm and effectively reduce the modeling time. In addition, the proposed hybrid model is compared with the traditional K-Means and Gao Si hybrid models in terms of complexity and classification accuracy from the theoretical and experimental points of view, thus validating the rationality of the two models. In this paper, an improved semi-supervised stream classification method is used to classify multimedia services. The method can be divided into three parts: data preprocessing, data modeling and data classification. In this paper, the clustering center and fine classification algorithm of this method are discussed. Experimental results show that the proposed semi-supervised stream classification method can achieve high classification accuracy for multimedia services.
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP393.0

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馮首強(qiáng);紀(jì)越峰;;光因特網(wǎng)互聯(lián)模型研究與演進(jìn)[J];光通信研究;2006年03期

2 詹勇;楊燕;王紅軍;;混合模型的微博交叉話題發(fā)現(xiàn)[J];計(jì)算機(jī)科學(xué)與探索;2013年08期

3 于林森;張?zhí)镂?;一種結(jié)合位置信息的混合模型圖像分割方法[J];信號(hào)處理;2007年03期

4 閆寶珠;袁圣付;陸啟生;;等面積混合模型與等壓混合模型的理論比較[J];國(guó)防科技大學(xué)學(xué)報(bào);2007年06期

5 張大明;符茂勝;郭慧;羅斌;;基于懲罰距離的混合模型分量數(shù)自動(dòng)估計(jì)算法[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年10期

6 戴麗麗;宋余慶;陳健美;謝從華;;遺傳K-均值初始化的t混合模型醫(yī)學(xué)圖像聚類[J];計(jì)算機(jī)應(yīng)用研究;2010年08期

7 謝從華;宋余慶;陳健美;常晉義;;醫(yī)學(xué)圖像的混合模型成份數(shù)估計(jì)[J];計(jì)算機(jī)科學(xué);2010年10期

8 石紅斌;如何開發(fā)專網(wǎng)的多媒體業(yè)務(wù)市場(chǎng)[J];廣東通信技術(shù);2000年06期

9 蔣林濤;多媒體業(yè)務(wù)的現(xiàn)狀及其發(fā)展趨勢(shì)[J];世界電信;2001年08期

10 張傳福,吳偉陵;第三代移動(dòng)通信系統(tǒng)中的多媒體業(yè)務(wù)[J];郵電商情;2001年12期

相關(guān)會(huì)議論文 前10條

1 沈樂君;;基于混合模型的多目標(biāo)實(shí)時(shí)跟蹤算法[A];2013體育計(jì)算機(jī)應(yīng)用論文集[C];2013年

2 紀(jì)琳;黃震宇;;中頻振動(dòng)混合模型理論的應(yīng)用局限性分析[A];現(xiàn)代振動(dòng)與噪聲技術(shù)（第九卷）[C];2011年

3 馮玉珉;徐為;侯建軍;;在互連網(wǎng)上開發(fā)多媒體業(yè)務(wù)[A];中國(guó)圖象圖形科學(xué)技術(shù)新進(jìn)展——第九屆全國(guó)圖象圖形科技大會(huì)論文集[C];1998年

4 汪傳建;李曉光;王大玲;于戈;;一種基于混合模型的文本分類器的研究與實(shí)現(xiàn)[A];第二十一屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2004年

5 張俊九;;3G架構(gòu)中會(huì)議業(yè)務(wù)的實(shí)現(xiàn)[A];中國(guó)通信學(xué)會(huì)信息通信網(wǎng)絡(luò)技術(shù)委員會(huì)2005年年會(huì)論文集[C];2005年

6 徐斌;馬盡文;;一種柯西混合模型上梯度型BYY和諧學(xué)習(xí)算法[A];第十三屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2007）論文集[C];2007年

7 糜正琨;張峰;;基于SIP的多媒體業(yè)務(wù)技術(shù)[A];中國(guó)通信學(xué)會(huì)信息通信網(wǎng)絡(luò)技術(shù)委員會(huì)2003年年會(huì)論文集[C];2003年

8 蘭永紅;吳敏;佘錦華;;基于二維混合模型的最優(yōu)重復(fù)控制[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

9 張勝利;張沅;;混合模型方法對(duì)QTL的檢測(cè)及定位效果[A];生命科學(xué)與生物技術(shù)：中國(guó)科協(xié)第三屆青年學(xué)術(shù)年會(huì)論文集[C];1998年

10 馬凌;周江;王文鼐;;突發(fā)性業(yè)務(wù)流的Gamma泊松混合模型及排隊(duì)性能研究[A];中國(guó)通信學(xué)會(huì)第五屆學(xué)術(shù)年會(huì)論文集[C];2008年

相關(guān)重要報(bào)紙文章 前10條

1 鐘凌江;愛立信公司宣布重組方案[N];人民郵電;2006年

2 劉先澤;多媒體業(yè)務(wù)：未來電信市場(chǎng)的“明星”[N];通信產(chǎn)業(yè)報(bào);2004年

3 包東智;IMS業(yè)務(wù)實(shí)現(xiàn)的關(guān)鍵技術(shù)[N];人民郵電;2007年

4 金戈;特色業(yè)務(wù)能否使TD— SCDMA 勝出？[N];通信產(chǎn)業(yè)報(bào);2004年

5 席大偉;愛立信鎖定戰(zhàn)略重點(diǎn)成敗懸系3G前景[N];通信信息報(bào);2008年

6 Julie Battilana Matthew Lee John Walker Cheryl Dorsey 翻譯 譚立立;營(yíng)利與非營(yíng)利組織的理想混合模型(下篇)[N];21世紀(jì)經(jīng)濟(jì)報(bào)道;2012年

7 ;新趨勢(shì)：業(yè)務(wù)感知型網(wǎng)絡(luò)架構(gòu)[N];網(wǎng)絡(luò)世界;2006年

8 鄭燁;馬志鴻解讀愛立信部門調(diào)整[N];網(wǎng)絡(luò)世界;2006年

9 何俊 王云鶴;“借”來的多媒體市場(chǎng)[N];人民郵電;2000年

10 ;海外市場(chǎng)重點(diǎn)將是多媒體業(yè)務(wù)[N];中國(guó)電子報(bào);2009年

相關(guān)博士學(xué)位論文 前10條

1 熊杰;基于混合模型的腫瘤組學(xué)數(shù)據(jù)聚類研究[D];湖南師范大學(xué);2016年

2 李斌;概率混合模型的研究及其應(yīng)用[D];復(fù)旦大學(xué);2009年

3 王先文;基于偏斜t混合模型的流式數(shù)據(jù)細(xì)胞類群自動(dòng)識(shí)別算法研究[D];中國(guó)人民解放軍軍事醫(yī)學(xué)科學(xué)院;2015年

4 程銀波;分布式IP多媒體業(yè)務(wù)網(wǎng)絡(luò)架構(gòu)及關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2010年

5 梅敬青;適用于多媒體業(yè)務(wù)的異構(gòu)無線網(wǎng)絡(luò)若干關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2011年

6 趙全鑫;下一代小蜂窩網(wǎng)絡(luò)的多媒體業(yè)務(wù)的多播無線資源管理研究[D];電子科技大學(xué);2017年

7 李少亭;帶有輔助信息的混合模型及其應(yīng)用[D];東北師范大學(xué);2014年

8 陳思寶;基于t-混合模型和擴(kuò)展保局投影的聚類與降維方法研究[D];安徽大學(xué);2006年

9 董亞明;融合機(jī)理模型與智能模型的復(fù)雜過程混合建模研究[D];華東理工大學(xué);2016年

10 凌曉亮;混合模型中的隨機(jī)比較[D];蘭州大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 趙家杰;基于t分布混合模型的網(wǎng)絡(luò)多媒體業(yè)務(wù)流分類方法研究[D];南京郵電大學(xué);2017年

2 石寧;基于混合模型的推薦系統(tǒng)的研究[D];華北電力大學(xué);2015年

3 高廣強(qiáng);基于剛?cè)峄旌夏Ｐ偷拇貌裼蜋C(jī)軸系動(dòng)態(tài)特性研究[D];大連海洋大學(xué);2015年

4 李建軍;個(gè)性化推薦中混合模型的研究[D];上海大學(xué);2015年

5 朱龍飛;基于混合模型的熱力系統(tǒng)能耗基準(zhǔn)狀態(tài)確定方法研究[D];華北電力大學(xué);2015年

6 王飛;基于HMM/ANNs混合模型的視頻手寫簽名認(rèn)證算法的研究與實(shí)現(xiàn)[D];上海交通大學(xué);2015年

7 高麗萍;基于混合模型和水平集的高分辨SAR圖像分類[D];西安電子科技大學(xué);2014年

8 韋姝;基于混合模型的風(fēng)電場(chǎng)短期風(fēng)速風(fēng)功率預(yù)測(cè)研究[D];東南大學(xué);2015年

9 胡玲;Point-Adjusted Gaussian混合模型及其在結(jié)構(gòu)方程模型中的應(yīng)用[D];浙江大學(xué);2016年

10 張玲玲;基于混合模型的發(fā)酵過程優(yōu)化研究[D];東北大學(xué);2014年

，

本文編號(hào)：2047429