[发明专利]一种使用视频业务的平均意见分均值特征的流分类方法

说明书

本发明公开了一种使用视频业务的平均意见分均值特征的流分类方法，包括数据集预处理和特征提取、计算三种视频业务MOS的PDF均值特征和SVM分类三个步骤。数据集预处理和特征提取首先通过网络封包分析软件抓取所需网络中的视频数据流，将抓取的原始数据流保存成标准文本格式，进行大量的流量统计特征计算，选出下行字节速率作为信息增益率最大的特征。SVM分类将每条视频流的均值特征结合下行字节速率定义为最优特征子集，将特征子集有监督离散化，使用基于SVM十折交叉验证法进行流识别与分类。本发明可以保证客户端观看视频的体验质量，分析三种视频业务MOS值分布情况，也可以配合有效的特征组合，对三种视频进行识别与分类，并能取得较好的分类效果。

技术领域

本发明属于流识别与分类技术领域，具体涉及一种使用视频业务的平均意见分均值特征的流分类方法。

背景技术

近年来，随着Wifi、LTE、4G和WiMAX等无线通信技术的飞速发展，流媒体视频业务流量急剧增加，同时智能手机、笔记本电脑和平板电脑在人们日常生活中的普及也加速了视频业务的增长。根据中国互联网络发展状况统计报告，截至2016年6月，我国网络视频用户规模达到了5.14亿，较2015年底增加了1000万。互联网视频观看的人数占所有网民总数的比例为72.4％，而且这一数值一直在增长。与此同时，Web视频等多媒体视频业务对传输带宽、延迟以及抖动的要求很高，这势必对视频业务在未来移动通信网中的传输和网络流量的管理方面带来严峻的挑战。因此，为保障用户体验质量(QoE)，如何根据所提供的服务来预测终端客户的体验质量是多媒体服务提供商目前迫切需要解决的问题。另一方面，为了更好地控制和管理网络流量以及保障网络视频的服务质量(QoS)，迫切需要对网络视频业务进行有效地识别和分类。

用户体验质量是描述用户在与服务或者应用交互的过程中，由用户产生的对服务的一种主观感受，用户在一定的客观环境中对所使用的服务或者业务的整体认可程度，在业界被用来评价视频业务的服务质量。平均意见分(MOS，Mean Opinion Score)是一种常用于表示用户对实时多媒体服务尤其是视频应用的感知质量的参数，它能够较好地反映出用户对视频应用质量的感觉。MOS值取值范围是1～5，值越大表明用户对视频质量越满意，反之越小则表明用户对视频质量越不满意。概率密度函数(PDF，Probability DensityFunction)是一个描述某个随机变量的输出值，在某个确定的取值点附近的可能性的函数。

对视频等网络业务流如何进行有效的分类一直是学术界研究的重点。目前，视频等网络业务流分类主要使用的是基于统计特征结合机器学习。基于流量统计特征的分类方法是通过提取网络流的统计特征，将网络流抽象为由一组统计特征值构成的属性向量，实现流量分类。比如Ran D等人通过提取360P、480P、720P三种视频业务M个下行速率峰值，并构成M维属性向量，使用经典的K-means方法进行视频流分类。使用该方法的优势是模型简单，计算过程相对高效，但是该方法的缺点是考虑的特征只有下行速率峰值，选择的特征比较单一，且对未进行训练的样本识别率较低。

发明内容

本发明目的在于针对上述网络视频流进行有效分类的问题，提出一种有效的视频流分类方法，称为一种使用视频业务的平均意见分均值特征的流分类方法。该方法综合考虑了视频业务MOS值PDF的均值和基于CON-GR(Consistency Feature Selection-GainRatio)特征选择方法选出的下行字节速率，采用支持向量机分类器(SVM，SupportVectorMachine)实现了标清、高清和超清三类视频业务的识别与分类。实验结果表明，与现有的视频流分类方法比较，本发明提出的方法获得了较高的分类准确率。为实现上述目的，本发明采取的技术方案是一种使用视频业务的平均意见分均值特征的流分类方法，包括如下步骤：

步骤1：数据集预处理和特征提取：

1.1)通过网络封包分析软件抓取所需网络中的视频数据流，将抓取的原始数据流保存成标准文本格式；