[发明专利]视频业务中基于多层神经网络的用户体验质量的预测方法

摘要

本发明公开了视频业务中基于多层神经网络的用户体验质量的预测方法，包括数据预处理，即选择视频业务中影响用户体验的特征参数，根据用户的报障/非报障将其映射为用户的QoE。随后建立多层神经网络的QoE预测模型，该神经网络包含五层，从低到高依次为：输入层—第一隐层—第二隐层—第三隐层—输出层。输入预处理后的数据，获得模型的最佳参数值，训练上述建立好的神经网络模型。最后完成用户体验质量QoE预测。本发明对数据进行预处理，选取重要的特征属性，综合考虑各种参数，可以使模型预测的视频质量真正接近用户对视频质量的主观体验，有助于更好预测用户体验质量，有利于及时准确反馈结果，帮助服务提供商和网络运营商不断完善视频业务和传输服务。

主权项

1.视频业务中基于多层神经网络的用户体验质量的预测方法，其特征在于，所述方法包括如下步骤：步骤1：数据预处理：选择视频业务中影响用户体验的特征参数，根据用户的报障/非报障，将其映射为用户的QoE，当QoE为1时，表示用户对所用业务满意，而当QoE为0时，用户不满意；步骤2：建立多层神经网络的QoE预测模型：该神经网络包含五层，从低到高依次为：输入层—第一隐层—第二隐层—第三隐层—输出层，多层神经网络的第l层的第i个神经元的输出为：在上式中，表示神经网络的第l层的第i个神经元的输出，表示神经网络的第l‑1层的输出，表示第l层的第i个神经元的权重，表示第l层第i个神经元的的偏差，f(·)表示激活函数；步骤3：训练QoE预测模型：输入预处理后的数据，获得模型的最佳参数值，训练步骤2建立好的神经网络模型；步骤4：完成用户体验质量QoE预测，具体包含：(4‑1)对于未知用户体验质量的数据，首先根据步骤1完成预处理，得到需要的特征数据集；(4‑2)将该特征数据集作为输入，代入训练好的多层神经网络分类器，得到预测结果。