互聯(lián)網(wǎng)的飛速發(fā)展與普及,使得占據(jù)網(wǎng)絡(luò)業(yè)務(wù)流量主導(dǎo)地位的視頻業(yè)務(wù)流愈發(fā)重要。網(wǎng)絡(luò)視頻業(yè)務(wù)的識(shí)別與分類(lèi),可以指導(dǎo)網(wǎng)絡(luò)服務(wù)供應(yīng)商（Internet20Service20Provirder,ISP）進(jìn)行網(wǎng)絡(luò)資源管理的優(yōu)化,以及合理的配置流量工程,從而保證視頻業(yè)務(wù)的服務(wù)質(zhì)量（Quality20of20Service,QoS）。本文主要對(duì)在線(xiàn)直播視頻、即時(shí)通信類(lèi)視頻、P2P類(lèi)視頻和HTTP視頻下載以及在線(xiàn)視頻流（包括標(biāo)清,高清和超清視頻,即非直播視頻）七種網(wǎng)絡(luò)視頻業(yè)務(wù)進(jìn)行識(shí)別研究。主要的研究工作如下:提出了一種基于萬(wàn)有引力粒子群優(yōu)化算法（Particle20Swarm20Optimization20and20Gravitational20Search20Algorithm,PSOGSA）與方差重要程度系數(shù)（Coefficient20of20Importance,CI）的特征選擇方法。該方法首先根據(jù)CI對(duì)特征子集進(jìn)行排序,用排名靠前的特征指導(dǎo)粒子群的初始化,且選擇特征的同時(shí)對(duì)PSOGSA的相關(guān)參數(shù)進(jìn)行了聯(lián)合調(diào)優(yōu),并以復(fù)雜度較低的CI作為評(píng)價(jià)函數(shù),選出最優(yōu)的特征子集。實(shí)驗(yàn)表明,該方法不僅能夠提高視頻業(yè)... 

【文章來(lái)源】：南京郵電大學(xué)江蘇省

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
專(zhuān)用術(shù)語(yǔ)注釋表
第一章 緒論
    1.1 研究背景
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 網(wǎng)絡(luò)流分類(lèi)方法研究現(xiàn)狀
        1.2.2 特征選擇方法研究
    1.3 本文主要研究?jī)?nèi)容和論文結(jié)構(gòu)
第二章 網(wǎng)絡(luò)流分類(lèi)相關(guān)知識(shí)介紹
    2.1 網(wǎng)絡(luò)流分類(lèi)中數(shù)據(jù)流的定義
    2.2 網(wǎng)絡(luò)流分類(lèi)與識(shí)別常用方法
        2.2.1 基于端口號(hào)映射的流分類(lèi)方法
        2.2.2 基于有效負(fù)載的流分類(lèi)方法
        2.2.3 基于主機(jī)行為的流分類(lèi)方法
        2.2.4 基于機(jī)器學(xué)習(xí)的流分類(lèi)方法
    2.3 網(wǎng)絡(luò)流分類(lèi)性能評(píng)價(jià)指標(biāo)
    2.4 常用的監(jiān)督機(jī)器學(xué)習(xí)分類(lèi)方法簡(jiǎn)介
        2.4.1 支持向量機(jī)SVM算法
        2.4.2 K-近鄰分類(lèi)算法
    2.5 本章小結(jié)
第三章 新型特征選擇方法
    3.1 特征選擇算法介紹
        3.1.1 特征選擇的基本流程
        3.1.2 特征選擇搜索策略
        3.1.3 特征選擇評(píng)價(jià)函數(shù)
    3.2 相關(guān)算法介紹
        3.2.1 GSA算法
        3.2.2 PSO算法
    3.3 基于PSOGSA-CI的特征選擇算法
    3.4 實(shí)驗(yàn)及結(jié)果
        3.4.1 實(shí)驗(yàn)數(shù)據(jù)集
        3.4.2 實(shí)驗(yàn)Ⅰ參數(shù)調(diào)優(yōu)有效性驗(yàn)證
        3.4.3 實(shí)驗(yàn)Ⅱ種群初始化有效性驗(yàn)證
        3.4.4 實(shí)驗(yàn)Ⅲ PSOGSA-CI算法在UCI數(shù)據(jù)集上的整體分類(lèi)效果驗(yàn)證
    3.5 本章小結(jié)
第四章 網(wǎng)絡(luò)視頻流的特征選擇與識(shí)別
    4.1 常見(jiàn)的視頻流統(tǒng)計(jì)特征
    4.2 視頻流數(shù)據(jù)獲取與特征提取
    4.3 典型視頻流統(tǒng)計(jì)特征分析
        4.3.1 下行/上行包大小均值
        4.3.2 下行包速率
        4.3.3 下行包到達(dá)時(shí)間間隔
        4.3.4 下上行字節(jié)數(shù)之比
        4.3.5 下行包大小信息熵
    4.4 PSOGSA-CI算法用于識(shí)別網(wǎng)絡(luò)視頻流
        4.4.1 實(shí)驗(yàn)結(jié)果
        4.4.2 所選特征合理性和有效性分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
附錄1 圖表清單
附錄2 攻讀碩士學(xué)位期間撰寫(xiě)的論文
附錄3 攻讀碩士學(xué)位期間申請(qǐng)的專(zhuān)利
致謝


【參考文獻(xiàn)】：
期刊論文
[1]實(shí)時(shí)網(wǎng)絡(luò)流量分類(lèi)研究綜述[J]. 柏駿,夏靖波,吳吉祥,任高明,趙小歡.  計(jì)算機(jī)科學(xué). 2013(09)
[2]正交微粒群算法[J]. 薛明志,左秀會(huì),鐘偉才,劉靜.  系統(tǒng)仿真學(xué)報(bào). 2005(12)



本文編號(hào)：3177763