【摘要】：隨著互聯(lián)網(wǎng)和流媒體技術(shù)的日新月異,網(wǎng)絡(luò)視頻業(yè)務(wù)流在網(wǎng)絡(luò)中所占的比重不斷增大。新興應(yīng)用業(yè)務(wù)的不斷涌現(xiàn)使得當(dāng)前的網(wǎng)絡(luò)環(huán)境變得更加復(fù)雜,如何有效地分配有限的網(wǎng)絡(luò)帶寬資源和保障網(wǎng)絡(luò)服務(wù)質(zhì)量成為ISP(Internet Service Provider)急需解決的問(wèn)題。網(wǎng)絡(luò)視頻業(yè)務(wù)流的分類(lèi)技術(shù)可使ISP更好的依據(jù)不同的視頻業(yè)務(wù)的QoS(Quality of Service)需求提供不同等級(jí)的服務(wù),從而優(yōu)化網(wǎng)絡(luò)資源分配。本文主要對(duì)標(biāo)清/高清/超清視頻、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:提出一種基于ReliefF和粒子群優(yōu)化算法(PSO)的特征選擇方法。該方法首先利用ReliefF算法濾除部分無(wú)關(guān)特征,達(dá)到快速降維的目的;然后以PSO作為搜索算法,并用ReliefF算法得到排名靠前的部分優(yōu)良特征作為粒子群的初始種群,以不一致率作為評(píng)價(jià)函數(shù)在剩余特征子集中選擇出最優(yōu)子集。ReliefF既減小了特征空間維數(shù),又為PSO算法提供了先驗(yàn)知識(shí),從而提高了算法整體的搜索效率和分類(lèi)精度。實(shí)驗(yàn)表明,該方法在不同的數(shù)據(jù)集上均能保持較優(yōu)的性能。如何找到能反映網(wǎng)絡(luò)視頻業(yè)務(wù)本質(zhì)差異的統(tǒng)計(jì)特征組合是網(wǎng)絡(luò)視頻業(yè)務(wù)流識(shí)別和分類(lèi)的關(guān)鍵。通過(guò)利用本文提出的特征選擇算法,可以獲得一些更具有區(qū)分度的QoS統(tǒng)計(jì)特征組合,并且利用特征分布圖驗(yàn)證這些特征組合的有效性。分類(lèi)算法的性能除了和算法本身有關(guān),還與所要分類(lèi)的類(lèi)別數(shù)目有關(guān)。分類(lèi)算法的性能會(huì)隨著類(lèi)別數(shù)目增加而降低。因此,本文針對(duì)網(wǎng)絡(luò)視頻業(yè)務(wù)設(shè)計(jì)了一種多層SVM(Support Vector Machine)級(jí)聯(lián)分類(lèi)模型。每一個(gè)SVM分類(lèi)器只用來(lái)識(shí)別特定類(lèi)型的網(wǎng)絡(luò)視頻業(yè)務(wù),并且每個(gè)分類(lèi)器采用不同的統(tǒng)計(jì)特征組合。與現(xiàn)有方法相比,本文提出的多層SVM級(jí)聯(lián)分類(lèi)識(shí)別算法具有更優(yōu)的分類(lèi)性能。
[Abstract]:With the rapid development of Internet and streaming media technology, the proportion of network video traffic in the network is increasing. The emergence of new applications makes the current network environment more complex. How to effectively allocate limited network bandwidth resources and ensure network quality of service becomes ISP (Internet Service Provider). The classification technology of network video traffic can make ISP provide different levels of service according to different QoS (Quality of Service) requirements of video traffic, and optimize network resource allocation. Seven kinds of network video services for video download are studied. The main research work is as follows: A feature selection method based on ReliefF and particle swarm optimization (PSO) is proposed. ReliefF not only reduces the dimension of feature space, but also provides a priori knowledge for PSO algorithm, thus improving the overall search efficiency and classification accuracy of the algorithm. It is the key to identify and classify network video traffic that how to find the combination of statistical features that can reflect the essential differences of network video traffic. By using the feature selection algorithm proposed in this paper, we can obtain some more discriminatory QoS statistical feature combinations, and make use of the characteristics. The performance of the classification algorithm depends not only on the algorithm itself, but also on the number of classes to be classified. The performance of the classification algorithm will decrease with the increase of the number of classes. Each SVM classifier is only used to identify specific types of network video services, and each classifier uses different statistical features combination. Compared with the existing methods, the proposed multi-layer SVM cascade classification algorithm has better classification performance.
【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(lèi)號(hào)】：TP18;TP393.0

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 江乃雄;蔡民;;綜合距離特征選擇問(wèn)題解的存在性與唯一性[J];計(jì)算機(jī)應(yīng)用與軟件;1992年01期

2 吉小軍,李世中,李霆;相關(guān)分析在特征選擇中的應(yīng)用[J];測(cè)試技術(shù)學(xué)報(bào);2001年01期

3 賈沛;桑農(nóng);唐紅衛(wèi);;一種改進(jìn)的類(lèi)別依賴(lài)型特征選擇技術(shù)[J];計(jì)算機(jī)與數(shù)子工程;2003年06期

4 靖紅芳;王斌;楊雅輝;徐燕;;基于類(lèi)別分布的特征選擇框架[J];計(jì)算機(jī)研究與發(fā)展;2009年09期

5 吳洪麗;朱顥東;周瑞瓊;;使用特征分辨率和差別對(duì)象對(duì)集的特征選擇[J];計(jì)算機(jī)工程與應(yīng)用;2010年16期

6 楊藝;韓德強(qiáng);韓崇昭;;基于排序融合的特征選擇[J];控制與決策;2011年03期

7 李云;;穩(wěn)定的特征選擇研究[J];微型機(jī)與應(yīng)用;2012年15期

8 錢(qián)學(xué)雙;多重篩選逐步回歸特征選擇法及其應(yīng)用[J];信息與控制;1986年05期

9 宣國(guó)榮;柴佩琪;;基于巴氏距離的特征選擇[J];模式識(shí)別與人工智能;1996年04期

10 范勁松,方廷健;特征選擇和提取要素的分析及其評(píng)價(jià)[J];計(jì)算機(jī)工程與應(yīng)用;2001年13期

相關(guān)會(huì)議論文 前10條

1 靖紅芳;王斌;楊雅輝;;基于類(lèi)別分布的特征選擇框架[A];第四屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集（上）[C];2008年

2 李長(zhǎng)升;盧漢清;;排序?qū)W習(xí)模型中的特征選擇[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2010)、第19屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2010）、第6屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2010）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2010）論文集[C];2010年

3 劉功申;李建華;李生紅;;基于類(lèi)信息的特征選擇和加權(quán)方法[A];NCIRCS2004第一屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2004年

4 張妍;張曉光;王永鋼;;幾種改進(jìn)型的粒子群優(yōu)化算法[A];第一屆中國(guó)高校通信類(lèi)院系學(xué)術(shù)研討會(huì)論文集[C];2007年

5 孫紅光;潘毓學(xué);;基于運(yùn)動(dòng)目標(biāo)路徑的粒子群優(yōu)化算法研究[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

6 韓毅;唐加福;郭偉宏;劉陽(yáng);;混合粒子群優(yōu)化算法求解多層批量問(wèn)題(英文)[A];中國(guó)運(yùn)籌學(xué)會(huì)第八屆學(xué)術(shù)交流會(huì)論文集[C];2006年

7 金一粟;梁逸曾;;空間自適應(yīng)粒子群優(yōu)化算法的應(yīng)用研究[A];第九屆全國(guó)計(jì)算（機(jī)）化學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2007年

8 汪榮貴;李守毅;孫見(jiàn)青;;一種新的自適應(yīng)粒子群優(yōu)化算法及應(yīng)用[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

9 黃雙歡;程良倫;;一種基于粒子群優(yōu)化的快速圖像傾斜角度檢測(cè)算法[A];中國(guó)自動(dòng)化學(xué)會(huì)中南六�。▍^(qū)）2010年第28屆年會(huì)·論文集[C];2010年

10 侯志榮;呂振肅;;基于退火策略的粒子群優(yōu)化算法[A];2003年中國(guó)智能自動(dòng)化會(huì)議論文集（下冊(cè)）[C];2003年

相關(guān)重要報(bào)紙文章 前10條

1 楊文清　馬騰;如何搜集民事訴訟網(wǎng)絡(luò)證據(jù)[N];榆林日?qǐng)?bào);2011年

2 亞信公司應(yīng)用咨詢(xún)部 韓少云;運(yùn)用網(wǎng)絡(luò)技術(shù) 分析網(wǎng)絡(luò)業(yè)務(wù)[N];中國(guó)高新技術(shù)產(chǎn)業(yè)導(dǎo)報(bào);2000年

3 張彤;網(wǎng)絡(luò)簡(jiǎn)化后的性能[N];網(wǎng)絡(luò)世界;2009年

4 北京中創(chuàng)信測(cè)科技股份有限公司 韓冰;中創(chuàng)信測(cè)：全面監(jiān)測(cè)構(gòu)建高性能的3G網(wǎng)絡(luò)[N];通信產(chǎn)業(yè)報(bào);2005年

5 楊虹;有一種網(wǎng)絡(luò)幫助油田實(shí)現(xiàn)多點(diǎn)集中管理[N];中國(guó)石化報(bào);2007年

6 本報(bào)特約撰稿 宋瑾　李洋;網(wǎng)絡(luò)優(yōu)化常用技法[N];計(jì)算機(jī)世界;2009年

7 本報(bào)記者 那罡;以“寬松”模式管理大學(xué)網(wǎng)絡(luò)[N];中國(guó)計(jì)算機(jī)報(bào);2010年

8 《網(wǎng)絡(luò)世界》記者 蒙克;開(kāi)放網(wǎng)絡(luò)熱浪襲人[N];網(wǎng)絡(luò)世界;2014年

9 Cache Flow公司 李峰;您的網(wǎng)絡(luò)能否有效管理？[N];中國(guó)計(jì)算機(jī)報(bào);2001年

10 鐘凌江;推進(jìn)網(wǎng)絡(luò)視頻業(yè)務(wù)和諧發(fā)展[N];人民郵電;2007年

相關(guān)博士學(xué)位論文 前10條

1 李靜;高維數(shù)據(jù)交互特征選擇和分類(lèi)研究[D];燕山大學(xué);2015年

2 劉風(fēng);基于磁共振成像的多變量模式分析方法學(xué)與應(yīng)用研究[D];電子科技大學(xué);2014年

3 王石平;粗糙擬陣及其在高維數(shù)據(jù)降維中的應(yīng)用研究[D];電子科技大學(xué);2014年

4 代琨;基于支持向量機(jī)的網(wǎng)絡(luò)數(shù)據(jù)特征選擇技術(shù)研究[D];解放軍信息工程大學(xué);2013年

5 王愛(ài)國(guó);微陣列基因表達(dá)數(shù)據(jù)的特征分析方法研究[D];合肥工業(yè)大學(xué);2015年

6 楊峻山;生物組學(xué)數(shù)據(jù)的集成特征選擇研究[D];深圳大學(xué);2017年

7 王博;文本分類(lèi)中特征選擇技術(shù)的研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2009年

8 張明錦;基于特征選擇的多變量數(shù)據(jù)分析方法及其在譜學(xué)研究中的應(yīng)用[D];華東理工大學(xué);2011年

9 高青斌;蛋白質(zhì)亞細(xì)胞定位預(yù)測(cè)相關(guān)問(wèn)題研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2006年

10 馮國(guó)忠;文本分類(lèi)中的貝葉斯特征選擇[D];東北師范大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 馮茂;基于粒子群優(yōu)化的網(wǎng)絡(luò)視頻流特征選擇與識(shí)別[D];南京郵電大學(xué);2017年

2 周瑞;基于支持向量機(jī)特征選擇的移動(dòng)通信網(wǎng)絡(luò)問(wèn)題分析[D];華南理工大學(xué);2015年

3 張金蕾;蛋白質(zhì)SUMO化修飾位點(diǎn)預(yù)測(cè)的數(shù)據(jù)挖掘技術(shù)研究[D];西北農(nóng)林科技大學(xué);2015年

4 陳云風(fēng);基于聚類(lèi)集成技術(shù)的高鐵信號(hào)故障診斷研究[D];西南交通大學(xué);2015年

5 張斌斌;網(wǎng)絡(luò)股評(píng)的傾向性分析[D];中央民族大學(xué);2015年

6 季金勝;高分辨率遙感影像典型地物目標(biāo)的特征選擇及其穩(wěn)定性研究[D];上海交通大學(xué);2015年

7 袁玉錄;基于數(shù)據(jù)分類(lèi)的網(wǎng)絡(luò)通信行為建模方法研究[D];電子科技大學(xué);2015年

8 王虎;基于試驗(yàn)設(shè)計(jì)的白酒譜圖特征選擇及支持向量機(jī)參數(shù)優(yōu)化研究[D];南京財(cái)經(jīng)大學(xué);2015年

9 王維智;基于特征提取和特征選擇的級(jí)聯(lián)深度學(xué)習(xí)模型研究[D];哈爾濱工業(yè)大學(xué);2015年

10 皮陽(yáng);基于聲音的生物種群識(shí)別[D];電子科技大學(xué);2015年

，

本文編號(hào)：2224928