[發(fā)明專利]基于PNN-PSO算法的IPTV不平衡數(shù)據(jù)集的QoE的預(yù)測方法

有效

• 申請?zhí)枺?/td>: 201810803152.3
• 申請日: 2018-07-20
• 公開（公告）號: CN109120961B
• 公開（公告）日: 2020-11-03
• 發(fā)明（設(shè)計）人: 周亮;胡正瑩;魏昕;刁夢雯;高赟
• 申請（專利權(quán)）人: 南京郵電大學(xué)
• 主分類號: H04N21/258
• 分類號: H04N21/258;H04N21/466;H04N17/00;G06N3/00;G06N3/04;G06N3/08;H04L12/24
• 代理公司: 南京蘇科專利代理有限責(zé)任公司 32102
• 代理人: 姚姣陽

1.一種基于PNN-PSO算法的IPTV不平衡數(shù)據(jù)集的QoE的預(yù)測方法，包括以下步驟：

S1，從IPTV機(jī)頂盒中采集用戶數(shù)據(jù)，從用戶數(shù)據(jù)中提取與用戶的體驗質(zhì)量有關(guān)聯(lián)的影響因素的數(shù)據(jù)；

S2，分析各個影響因素與用戶的體驗質(zhì)量之間的關(guān)聯(lián)程度；

S3，基于PNN-PSO神經(jīng)網(wǎng)絡(luò)算法建立用戶的體驗質(zhì)量的預(yù)測模型；

S4，在所述預(yù)測模型中進(jìn)行訓(xùn)練和用戶的體驗質(zhì)量的預(yù)測；

在步驟S2中，通過相關(guān)系數(shù)ρ_X，Y衡量用戶的體驗質(zhì)量與各個所述影響因素的關(guān)聯(lián)程度，所述相關(guān)系數(shù)ρ_X，Y滿足如下關(guān)系式：

其中，Y為用戶的體驗質(zhì)量；X為所述影響因素中的任意一個；σ_X、σ_Y分別為X、Y的標(biāo)準(zhǔn)差；cov(X，Y)為協(xié)方差函數(shù)。

2.根據(jù)權(quán)利要求1所述的基于PNN-PSO算法的IPTV不平衡數(shù)據(jù)集的QoE的預(yù)測方法，其特征在于，所述步驟S3包括如下步驟：

S31，定義步驟S1提取的與用戶的體驗質(zhì)量有關(guān)聯(lián)的影響因素為輸入向量X，根據(jù)所述輸入向量X的維數(shù)確定PNN神經(jīng)網(wǎng)絡(luò)的輸入層中神經(jīng)元的數(shù)量；

S32，所述輸入向量X傳輸至所述輸入層，在所述用戶數(shù)據(jù)中隨機(jī)提取若干條數(shù)據(jù)作為樣本數(shù)據(jù)，提取預(yù)設(shè)條數(shù)據(jù)作為訓(xùn)練樣本，所述輸入層接受所述訓(xùn)練樣本并將數(shù)據(jù)傳遞到隱藏層；所述隱藏層是徑向基層，每個隱藏層的神經(jīng)元節(jié)點都有一個中心，所述中心對應(yīng)一個樣本數(shù)據(jù)；

S33，根據(jù)所述訓(xùn)練樣本的個數(shù)確定所述隱藏層的神經(jīng)元個數(shù)；所述隱藏層計算所述輸入向量X與相應(yīng)的所述中心的距離后，輸出一個標(biāo)量值；所述隱藏層中第i類模式的第j神經(jīng)元的輸出標(biāo)量值Φ_ij(X)與所述輸入向量X滿足如下關(guān)系：

其中，所述σ為徑向基函數(shù)的擴(kuò)展速度；i＝1，...，M，M為訓(xùn)練樣本中的總類數(shù)；d是樣本空間數(shù)據(jù)的維數(shù)，X_ij是第i類模式的第j個中心；

S34，利用粒子群算法優(yōu)化所述徑向基函數(shù)的擴(kuò)展速度σ，自動搜索最合適的傳播；

S35，數(shù)據(jù)傳遞至求和層；根據(jù)所述總類數(shù)M確定所述求和層的神經(jīng)元個數(shù)；所述求和層將所述隱藏層中屬于同一類的神經(jīng)元的輸出標(biāo)量值做加權(quán)平均后輸出v_i，其輸出v_i滿足如下關(guān)系式：

其中，v_i表示第i類類別的輸出；N表示第i類神經(jīng)元的個數(shù)；

S36，數(shù)據(jù)傳遞至輸出層；所述輸出層由競爭神經(jīng)元構(gòu)成，其神經(jīng)元個數(shù)與所述求和層的神經(jīng)元個數(shù)相同；所述輸出層接受所述求和層的輸出并做閾值辨別，其輸出y滿足如下關(guān)系式：

y＝compet(v_i)

其中，競爭函數(shù)compet(x)表示在所有的輸出層神經(jīng)元中找到一個具有最大后驗概率密度的神經(jīng)元，其輸出為1，其余神經(jīng)元輸出為0。

3.根據(jù)權(quán)利要求2所述的基于PNN-PSO算法的IPTV不平衡數(shù)據(jù)集的QoE的預(yù)測方法，其特征在于，所述步驟S32的具體步驟如下：

S321，從所述用戶數(shù)據(jù)中分別隨機(jī)選擇10000、15000、20000條記錄，分別形成數(shù)據(jù)集1、數(shù)據(jù)集2及數(shù)據(jù)集3；

S322，確定所述數(shù)據(jù)集1、數(shù)據(jù)集2及數(shù)據(jù)集3的輸入向量；采用十折交叉驗證將所述數(shù)據(jù)集1、數(shù)據(jù)集2及數(shù)據(jù)集3各自拆分為十個包，隨機(jī)選取每個數(shù)據(jù)集中的九個包作為訓(xùn)練樣本，剩余的一個包用來預(yù)測用戶的體驗質(zhì)量；

S323，所述輸入層接受所述訓(xùn)練樣本并將其傳遞到隱藏層。

4.根據(jù)權(quán)利要求2所述的基于PNN-PSO算法的IPTV不平衡數(shù)據(jù)集的QoE的預(yù)測方法，其特征在于：在步驟S31中，根據(jù)與用戶的體驗質(zhì)量有關(guān)聯(lián)的影響因素的個數(shù)確定所述輸入向量X的維數(shù)。