該文基于網(wǎng)絡(luò)多媒體業(yè)務(wù)QoS（Quality of Service）特征特點(diǎn),提出網(wǎng)絡(luò)業(yè)務(wù)QoS類識(shí)別算法。探索了新的多媒體業(yè)務(wù)QoS類劃分模式,在QoS分類的基礎(chǔ)上,可以通過將具有相同或相似QoS需求特征的業(yè)務(wù)流聚集生成聚集流。聚集流劃分使用較少的QoS特征,借助聚集流可以在合理的粒度上區(qū)分多媒體業(yè)務(wù)。該文從QoS特征出發(fā)分析了聚集流識(shí)別的特點(diǎn),利用網(wǎng)絡(luò)多媒體業(yè)務(wù)典型QoS特征的稀疏性,使用改進(jìn)K-SVD（Kernel Singular Value Decomposition）進(jìn)行字典學(xué)習(xí),實(shí)現(xiàn)網(wǎng)絡(luò)多媒體業(yè)務(wù)QoS類識(shí)別。實(shí)驗(yàn)結(jié)果表明,該文算法比現(xiàn)有方法具有更高的QoS類識(shí)別準(zhǔn)確性。 

【文章來源】：電子與信息學(xué)報(bào). 2017,39(12)北大核心EICSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

所有業(yè)務(wù)上/下行歸化速率對數(shù)值分布

第12期王再見等：使用改進(jìn)K-SVD的網(wǎng)絡(luò)多媒體業(yè)務(wù)QoS類識(shí)別3025表1Youkuvideo部分統(tǒng)計(jì)信息示例業(yè)務(wù)流序號(hào)下行子流數(shù)下行包大小信息熵下/上行字節(jié)數(shù)之比下行數(shù)據(jù)有效IP數(shù)/所有IP數(shù)下行平均包大小(Byte)包到達(dá)時(shí)間間隔的熵15720.44051929.08950047/4714209.50918025741.02683534.17789346/5914218.15622634610.43514741.27783948/5314209.012246圖26種QoS類上/下行歸化速率值分布表2新QoS類定義區(qū)域聚集流類具體業(yè)務(wù)例子下行速率上行速率其它描述1廣播視頻(BDV)廣播視頻會(huì)議、可視電話、在線視頻等業(yè)務(wù)中小上/下行速率分布較密集、比值較小2網(wǎng)頁視頻(WV)BBC,CCTV等網(wǎng)頁視頻業(yè)務(wù)大較小上/下行速率分布的跨度最大、比值較小3購買型視頻(TSV)Xunlei,BitTorrent,Emule,Fileguri電驢等視頻業(yè)務(wù)較大中上/下行速率分布的跨度較大，比值居中4以物易物型視頻(BSV)電視螞蟻、Sopcast,Skype,PPStream,PPlive,PPMate等視頻業(yè)務(wù)較大大上行速率分布的跨度最大，下行速率較穩(wěn)定，上/下行速率的比值分散5交互視頻(IV)QQ,MSN等視頻業(yè)務(wù)中中上/下行速率分布較密集，上/下行速率值相近6游戲類(GC)多人網(wǎng)絡(luò)交互游戲等業(yè)務(wù)小小上/下行速率分布較分散，上/下行速率值都較小得更加清晰，我們將其中幾個(gè)距離較近的QoS類分布用子圖畫出。由圖2(b)可見，BDV與WV距離明顯。圖2(c)為TSV,BSV和IV3個(gè)類別的上/下行歸化速率值分布示意圖，由圖可見3類業(yè)務(wù)分布區(qū)域相對集中。圖2(d)為WV,TSV和GC3個(gè)類別的上/下行歸化速率值分布示意圖，GC類別區(qū)分明顯，WV和TSV雖相距較近，但也有差異。BDV類所屬業(yè)務(wù)上/下行速率的特點(diǎn)是分布較集中，產(chǎn)生的數(shù)據(jù)總量不大。WV類業(yè)務(wù)常由HTTP服務(wù)器提供，通過嵌入在網(wǎng)頁中的對象瀏覽。該模式下每個(gè)?

不易過長，業(yè)務(wù)對延遲時(shí)間敏感。數(shù)據(jù)是雙向?qū)ΨQ傳輸，上/下行速率斜率的變化范圍很小，反映該類型業(yè)務(wù)特征分布穩(wěn)定。GC類業(yè)務(wù)既可能采用C/S模式也可能采用混合P2P模式，不同類型的業(yè)務(wù)雖然特征不盡相同，但在上/下行速率需求上具有一致性。該類由于大量計(jì)算由服務(wù)器和本地客戶端完成，服務(wù)器只是向玩家提供計(jì)算結(jié)果，而玩家只需向服務(wù)器傳輸指令和要求，大量場景和視頻畫面在本地生成，需要傳輸?shù)臄?shù)據(jù)量較少。4基于修正K-SVD的網(wǎng)絡(luò)業(yè)務(wù)QoS類識(shí)別框架基于修正K-SVD的網(wǎng)絡(luò)業(yè)務(wù)QoS類識(shí)別算法流程可劃分為兩個(gè)模塊(圖3)：特征處理模塊和稀疏表示模塊。(1)特征處理模塊：(a)獲取訓(xùn)練數(shù)據(jù)集合。捕獲流行的23種多媒體業(yè)務(wù)作為基本數(shù)據(jù)集。(b)特征提齲本文基于Wireshark獲取DSCP(DiffServCodePoint)值、包到達(dá)絕/相對時(shí)間、源/目的IP地址、源/目的端口、協(xié)議、包大孝累積字節(jié)數(shù)和包詳細(xì)描述等60種屬性，并針對采集到的數(shù)據(jù)進(jìn)行預(yù)處理。選取對應(yīng)特征出現(xiàn)的最大值歸化相應(yīng)特征的全部數(shù)據(jù)，用統(tǒng)計(jì)后的相對值區(qū)分不同業(yè)務(wù)類型，具體的歸化公式如式(1)：,min,maxmin,1,1,2iixRRrinRRll-=￡￡=-(1)這里，()()max,min,max,min,1,iiiiRRRRill=="=2,,n,n為數(shù)據(jù)集業(yè)務(wù)總數(shù)，l取值為1時(shí)表示圖3基于修正K-SVD的網(wǎng)絡(luò)業(yè)務(wù)QoS類識(shí)別上行數(shù)據(jù)，l取值為2時(shí)表示下行數(shù)據(jù)，i,Rl為業(yè)務(wù)i的實(shí)際取值，i,rl為其歸化后的取值。(c)尺度不變特征變換(Scale-InvariantFeatureTransform,SIFT)。為了降低網(wǎng)絡(luò)噪聲對QoS參數(shù)取值的影響，本文對提取后的特征用SIFT描述子刻畫，本質(zhì)是在不同的尺度空間上查找特征關(guān)鍵點(diǎn)，并計(jì)算出方向。實(shí)現(xiàn)步驟如下：(i)尺度空間極值檢測；(ii)確定每個(gè)候選位置和?

【參考文獻(xiàn)】：
期刊論文
[1]一種基于改進(jìn)隱馬爾可夫的多媒體業(yè)務(wù)分類算法[J]. 王再見,董育寧,張暉,馮友宏.  電子與信息學(xué)報(bào). 2015(02)
[2]多媒體通信業(yè)務(wù)流識(shí)別與分類方法綜述[J]. 董育寧,王再見,房曙光,張健.  南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(03)
[3]一種異構(gòu)網(wǎng)絡(luò)多媒體業(yè)務(wù)QoS類彈性映射方法[J]. 王再見,董育寧,張暉,趙海濤.  電子與信息學(xué)報(bào). 2013(03)



本文編號(hào)：3589482