[發(fā)明專利]基于粒子群優(yōu)化算法的視頻流特征選擇與分類方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710032385.3
• 申請(qǐng)日: 2017-01-16
• 公開（公告）號(hào): CN106897733A
• 公開（公告）日: 2017-06-27
• 發(fā)明（設(shè)計(jì)）人: 董育寧;馮茂
• 申請(qǐng)（專利權(quán)）人: 南京郵電大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N3/00
• 代理公司: 南京知識(shí)律師事務(wù)所32207
• 代理人: 李湘群

1.基于粒子群優(yōu)化算法的視頻流特征選擇與分類方法，其特征在于，包括以下步驟：

步驟1：在開放的互聯(lián)網(wǎng)環(huán)境中使用網(wǎng)絡(luò)封包分析軟件獲取所需的實(shí)驗(yàn)數(shù)據(jù)，然后對(duì)數(shù)據(jù)包進(jìn)行過濾，最后對(duì)這些網(wǎng)絡(luò)視頻業(yè)務(wù)流進(jìn)行基本的統(tǒng)計(jì)特征計(jì)算；

步驟2：對(duì)上述計(jì)算得出的視頻業(yè)務(wù)流的統(tǒng)計(jì)特征進(jìn)行分析，選擇出能有效區(qū)分業(yè)務(wù)流的特征組合；

步驟3：根據(jù)設(shè)計(jì)的三層SVM級(jí)聯(lián)分類器對(duì)原始的視頻業(yè)務(wù)流進(jìn)行分類實(shí)驗(yàn)，得到最終的分類結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于粒子群優(yōu)化算法的視頻流特征選擇與分類方法，其特征在于，所述方法的步驟1具體包括：

步驟1-1：在開放的互聯(lián)網(wǎng)環(huán)境中，通過網(wǎng)絡(luò)封包分析軟件抓取所需的視頻業(yè)務(wù)流數(shù)據(jù)，然后對(duì)原始的數(shù)據(jù)進(jìn)行簡單預(yù)處理，轉(zhuǎn)換成標(biāo)準(zhǔn)的五元組文本格式，即數(shù)據(jù)包到達(dá)的時(shí)間、源IP地址、目的IP地址、協(xié)議、數(shù)據(jù)包分組大小；

步驟1-2：對(duì)數(shù)據(jù)包過濾是指濾除不感興趣或者不會(huì)對(duì)分類結(jié)果產(chǎn)生影響的數(shù)據(jù)包；

步驟1-3：對(duì)原始視頻流的標(biāo)準(zhǔn)五元組文件進(jìn)行基本的統(tǒng)計(jì)特征計(jì)算，這些特征包括：包大小、包大小的均值與方差、包大小信息熵、包間隔的均值與方差、字節(jié)速率、分組速率、上下行字節(jié)數(shù)之比、上下行包大小之比。

3.根據(jù)權(quán)利要求1所述的基于粒子群優(yōu)化算法的視頻流特征選擇與分類方法，其特征在于，所述方法的步驟2具體包括：

步驟2-1：對(duì)所有視頻業(yè)務(wù)流的統(tǒng)計(jì)特征進(jìn)行離散化操作，降低特征選擇過程中的計(jì)算開銷；

步驟2-2：利用特征權(quán)重算法計(jì)算每個(gè)統(tǒng)計(jì)特征的權(quán)重；

步驟2-3：根據(jù)特征權(quán)重的排名，去掉部分與類別關(guān)聯(lián)較小的特征，選取權(quán)重最大的N個(gè)特征，降低原始特征空間的維數(shù)，減少后續(xù)操作的計(jì)算復(fù)雜度；

步驟2-3：在上一步選取的N個(gè)特征子集中，選取特征權(quán)重排名靠前的M個(gè)特征作為先驗(yàn)知識(shí)，指導(dǎo)粒子群優(yōu)化算法的種群初始化，將每個(gè)粒子的初始位置設(shè)為最優(yōu)位置；迭代次數(shù)設(shè)為1；

步驟2-4：將不一致率作為粒子群優(yōu)化算法的適應(yīng)度函數(shù)，利用適應(yīng)度函數(shù)計(jì)算粒子的整體適應(yīng)度，將樣本實(shí)例中的一個(gè)特征組合稱為一個(gè)模式，特征子集的所有模式的不一致數(shù)，就等于該模式出現(xiàn)的樣本總數(shù)減去出現(xiàn)次數(shù)最多的某一類標(biāo)簽的樣本數(shù)，不一致率就等于不一致數(shù)除以樣本總數(shù)；

步驟2-5：如果當(dāng)前粒子的適應(yīng)度小于粒子自身最優(yōu)位置的適應(yīng)度，將粒子自身最優(yōu)位置更新為當(dāng)前位置；如果粒子自身最優(yōu)位置的整體適應(yīng)度小于種群的最優(yōu)位置的適應(yīng)度，將種群的最優(yōu)位置更新為粒子自身最優(yōu)位置；

步驟2-6：根據(jù)當(dāng)前粒子的位置和速度信息更新粒子群的位置和速度；

步驟2-7：若滿足最大迭代次數(shù)或不一致率在迭代過程中持續(xù)不變，則輸出最優(yōu)解；否則，重復(fù)步驟2-5到步驟2-6。

4.根據(jù)權(quán)利要求3所述的基于粒子群優(yōu)化算法的視頻流特征選擇與分類方法，其特征在于步驟2-3中的N為10，M為2。

5.根據(jù)權(quán)利要求1所述的基于粒子群優(yōu)化算法的視頻流特征選擇與分類方法，其特征在于，所述方法的步驟3具體包括：

步驟3-1：利用特征選擇方法對(duì)原始視頻業(yè)務(wù)流特征進(jìn)行選擇，并進(jìn)行第一層SVM分類，得到分類結(jié)果C1,C2,C3,C4；其中，C1為即時(shí)通信類視頻，C2為P2P類視頻，C3為http下載，C4為在線視頻，包含直播和非直播兩類；

步驟3-2：對(duì)上一層分類結(jié)果C4的數(shù)據(jù)流特征再次使用特征選擇方法進(jìn)行特征選擇，并進(jìn)行第二層SVM分類，得到分類結(jié)果C41,C4；其中，C41為在線直播視頻，C42為在線非直播視頻；

步驟3-3：對(duì)上一層分類結(jié)果C42的數(shù)據(jù)流特征再次使用特征選擇方法進(jìn)行特征選擇，并進(jìn)行第三層SVM分類，得到分類結(jié)果C421,C422,C433；其中，C421為標(biāo)清視頻，C422為高清視頻，C423為超清視頻；

步驟3-4：統(tǒng)計(jì)分類輸出結(jié)果。