无监督的视频业务特征分析与分类

被引：2

作者：

姚利涛

董育宁

机构：

[1] 南京邮电大学通信与信息工程学院

来源：

应用科学学报 | 2015年 / 33卷 / 02期

关键词：

视频流; 统计特征; QoS; 流分类; 多级聚类;

D O I：

暂无

中图分类号：

TP393.09 []; TP181 [自动推理、机器学习];

学科分类号：

080402 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

基于机器学习的流统计特征识别的方法关键在于如何找到具有区分力度的业务流统计特征.为此,提出了一些能够较好地区分视频业务的QoS相关的统计特征.为了充分地发挥多级聚类算法的优势,以灵活的特征选择策略标记不同层级的网络视频流,通过大量的真实网络视频数据进行实验验证.结果表明,该方法能比现有同类方法取得更高的分类准确率.

引用

页码：117 / 128

页数：12

共 6 条

[1] 多媒体通信业务流识别与分类方法综述 [J].

董育宁 ;

王再见 ;

房曙光 ;

张健 .

南京邮电大学学报(自然科学版), 2013, 33 (03) :35-44

[2] 基于流信息距离的多文本流热点挖掘 [J].

杨宁 ;

唐常杰 ;

王悦 ;

陈瑜 ;

郑皎凌 ;

李红军 .

软件学报, 2011, 22 (08) :1761-1770

[3] 网络流量分类方法的比较研究 [J].

胡婷 ;

王勇 ;

陶晓玲 .

桂林电子科技大学学报, 2010, 30 (03) :216-219

[4]

Efficient application identification and the temporal and spatial stability of classification schema[J] . Wei Li,Marco Canini,Andrew W. Moore,Raffaele Bolla. Computer Networks . 2008 (6)

[5] Traffic classification on the fly [J].

Bernaille, Laurent ;

Teixeira, Renata ;

Akodkenou, Ismael ;

Soule, Augustin ;

Salamatian, Kave .

ACM SIGCOMM COMPUTER COMMUNICATION REVIEW, 2006, 36 (02) :23-26

[6]

Evaluation of HTTP video classification method using flow group information .2 Takeshita K,Kurosawa T,Tsujino M. Proceedings of 14th International Telecommunications Network Strategy and Planning Symposium . 2010

← 1 →