基于SVM的網絡視頻流特征分析與分類研究.pdf

1、隨著網絡和流媒體技術的發(fā)展，網絡視頻業(yè)務的流量正在迅猛增長。網絡視頻業(yè)務傳輸?shù)臄?shù)據(jù)量大、實時性要求高，這些因素對網絡管理造成了較大影響，為了更好地控制和管理網絡流量以及保障網絡視頻的QoS(Quality of Service)，對網絡視頻業(yè)務進行有效地分類是非常有必要的。而在流量識別和分類中，進行特征分析、獲取較好的特征是實現(xiàn)高效分類的一個關鍵點。
　　本文從包大小分布、速率、IP的交替、下行和上行的字節(jié)數(shù)之比、子流片段的數(shù)目、

2、平均包到達時間間隔特征入手，對高清、標清兩種HTTP流媒體視頻、HTTP下載、以Sopcast為代表的在線網絡電視直播、QQ視頻、迅雷等6種網絡視頻業(yè)務進行特征分析，并選取有效特征進行識別和分類。通過對不同時間段數(shù)據(jù)包大小分布的分析，發(fā)現(xiàn)各類業(yè)務都具有明顯的包大小分布，且分布較為穩(wěn)定。通過計算包大小分布之間的Hellinger距離，發(fā)現(xiàn)QQ視頻和其他幾類業(yè)務分布的差異最大，HTTP下載、高清、標清三類業(yè)務的包大小分布相似。在下行和上行的

3、字節(jié)數(shù)之比這一特征上，標清和其余幾類的差異最為明顯，HTTP下載和高清比較相似，二者都具有較大的比值，Sopcast和QQ視頻的比值均較小。迅雷則擁有最多的子流片段數(shù)目，6類業(yè)務中QQ視頻和HTTP下載具有較少的子流片段數(shù)目。因此，結合利用下行和上行字節(jié)數(shù)之比、子流片段的數(shù)目兩個特征可以實現(xiàn)這6類視頻業(yè)務的識別和分類。采用支持向量機方法（Support Vector Machine，SVM）對這兩個特征的分類效果進行了實驗驗證，獲得了較