论文部分内容阅读
互联网的飞速发展与普及,使得占据网络业务流量主导地位的视频业务流愈发重要。网络视频业务的识别与分类,可以指导网络服务供应商(Internet Service Provirder,ISP)进行网络资源管理的优化,以及合理的配置流量工程,从而保证视频业务的服务质量(Quality of Service,QoS)。本文主要对在线直播视频、即时通信类视频、P2P类视频和HTTP视频下载以及在线视频流(包括标清,高清和超清视频,即非直播视频)七种网络视频业务进行识别研究。主要的研究工作如下:提出了一种基于万有引力粒子群优化算法(Particle Swarm Optimization and Gravitational Search Algorithm,PSOGSA)与方差重要程度系数(Coefficient of Importance,CI)的特征选择方法。该方法首先根据CI对特征子集进行排序,用排名靠前的特征指导粒子群的初始化,且选择特征的同时对PSOGSA的相关参数进行了联合调优,并以复杂度较低的CI作为评价函数,选出最优的特征子集。实验表明,该方法不仅能够提高视频业务分类的准确率,而且降低了算法的时间复杂度。另外,网络视频流的分类存在维数高,计算量大等问题。在众多的特征中,特征之间存在冗余,会对特征的选择以及分类器的性能造成较大的影响。所以,网络视频流进行分类前需要进行特征选择的预处理,降低特征维数,从而减少分类的时间,提高分类的效果。因此,在使用本文算法进行特征选择之前,首先根据CI对特征子集进行排序,滤除部分特征,降低算法的搜索维度,从而进一步提高算法的搜索效率。特征选择的最终目的是找到能够有效区分网络视频业务的统计特征组合。本文使用特征分布图对七种视频业务流的一些特征进行了分析,同时验证了本文方法所选择出的特征组合的有效性。