[發(fā)明專利]基于遺傳算法的網絡視頻流特征選擇與分類方法

有效

• 申請?zhí)枺?/td>: 201810151485.2
• 申請日: 2018-02-14
• 公開（公告）號: CN108307231B
• 公開（公告）日: 2021-01-08
• 發(fā)明（設計）人: 董育寧;岳全濤
• 申請（專利權）人: 南京郵電大學
• 主分類號: H04N21/44
• 分類號: H04N21/44;H04N21/234;G06N3/12
• 代理公司: 南京正聯(lián)知識產權代理有限公司 32243
• 代理人: 王素琴

本發(fā)明屬于模式識別與視頻業(yè)務分類技術領域，具體涉及一種遺傳算法的網絡視頻流特征選擇與分類方法，可以快速濾除一些相關度比較低的特征，從而減少后續(xù)特征選擇過程中的計算開銷，然后再從這些特征中選擇排名靠前的特征指導遺傳算法初始化。本發(fā)明采用基于遺傳算法的網絡視頻流特征選擇方法相對于同類其它算法以及過濾式算法，分類平均準確率均有所提高，本發(fā)明提出了一種新型特征選擇算法，即SU?GA算法，以遺傳算法作為特征搜索算法，以對稱不確定性作為其適應度評價函數(shù)，既考慮了特征與類別之間的相關性，同時又考慮了特征與特征之間的相關性，從而可以選擇出最優(yōu)的特征子集。

技術領域

本發(fā)明屬于模式識別與視頻業(yè)務分類技術領域，具體涉及一種遺傳算法的網絡視頻流特征選擇與分類方法。

背景技術

近年來，由于網絡的開放性、互聯(lián)性、共享性等特點不斷凸顯，傳統(tǒng)的互聯(lián)網業(yè)務如果不進行更新，就滿足不了人們越來越多的更為復雜的需求，從而使得新型的網絡應用以及各種應用層協(xié)議的加速出現(xiàn)。由于這些新應用和新協(xié)議的出現(xiàn)，網絡流量的動態(tài)性、多變性以及異質性不斷增強，這就使得網絡流量環(huán)境變得更加復雜。同時，由于新的加密技術和動態(tài)端口技術的廣泛應用使得傳統(tǒng)的網絡流量分類的準確率急劇下降，在如此復雜的網絡環(huán)境中如何能夠合理的分配網絡帶寬資源和保障網絡信息傳輸?shù)陌踩蔀镮SP亟待解決的問題。網絡流量分類可以使ISP根據(jù)不同的視頻應用類型，從而提供相應等級的服務，進而使網絡資源分配更加合理。

在特征選擇的整個過程中，評價標準在其中扮演著非常重要的角色，它是進行特征選擇的重要依據(jù)。總的來說，評價標準大致分為兩種：一種評價標準是單獨地進行衡量單個特征的預測能力，主要是衡量特征與類別之間的相關性；另一種評價標準是評價某一個特征子集在整個特征選擇過程中的預測能力。一般在 Filter方法中，不需要具體的分類學習算法進行評價某個特征子集，而是利用統(tǒng)計學和信息論等其它學科的重要思想，依據(jù)數(shù)據(jù)集中內在的一些特性進行評價單個特征的預測性能，進而得出由若干個排名靠前的特征組成的特征子集組合。

一般來說，過濾式方法認為選擇出的最優(yōu)特征組合是由一系列預測性能較強的特征組合而成的。相反，在另外一種方法中，即Wrapper 方法，在特征選擇過程中，這種包裝式方法用后續(xù)的分類學習算法嵌入到其中，通過測試選擇出的特征組合在這種算法上的預測能力從而判斷它的優(yōu)劣，它卻很少關注特征組合中單個特征的預測能力如何。因此，在第二種評價標準中，它并不要求最終所選擇的特征組合中的每個特征的預測性能都是很好的。

但是在Wrapper方法中，一般選取分類學習算法的準確率作為適應度評價函數(shù)，常用的分類學習算法有SVM、BayesNet、KNN、RandomForest等。如果采用分類學習算法的準確率作為適應度評價函數(shù)，那么整個特征選擇過程的時間復雜度將會更高，內存開銷相對也會大幅度增加。因此，在特征選擇的過程中，如何選擇一個效果比較好的適應度評價函數(shù)是至關重要的。

發(fā)明內容

針對如何選擇一個效果比較好的適應度評價函數(shù)，提出了基于遺傳算法的網絡視頻流特征選擇與分類方法，該方法針對在線直播視頻、在線非直播標清視頻、在線非直播高清視頻、在線非直播超清視頻、HTTP下載、即時通信類視頻（即QQ視頻）、P2P類視頻（主要是Kankan視頻）七種業(yè)務進行分析和研究，提出了一種新型特征選擇算法，即SU-GA算法，以遺傳算法作為特征搜索算法，以對稱不確定性作為其適應度評價函數(shù)。經過大量實驗結果表明，本發(fā)明方法相比現(xiàn)有同類方法可以獲得更高的分類準確率。

本發(fā)明的技術方案為基于遺傳算法的網絡視頻流特征選擇與分類方法，具體包含以下步驟：

（1）：使用網絡封包分析軟件wireshark進行網絡視頻業(yè)務抓包，從而可以獲取所需的原始實驗數(shù)據(jù)，然后對這些數(shù)據(jù)包進行分析、過濾處理，得到我們需要的數(shù)據(jù)格式，最后通過一些腳本對這些網絡視頻業(yè)務流數(shù)據(jù)進行基本的統(tǒng)計特征計算，從而得到我們需要的統(tǒng)計特征，具體步驟如下：