应用科学学报
應用科學學報
응용과학학보
JOURNAL OF APPLIED SCIENCES
2015年
2期
117-128
,共12页
视频流%统计特征%QoS%流分类%多级聚类
視頻流%統計特徵%QoS%流分類%多級聚類
시빈류%통계특정%QoS%류분류%다급취류
video streaming%statistical features%QoS%traffic classification%hierarchical clustering
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.
基于機器學習的流統計特徵識彆的方法關鍵在于如何找到具有區分力度的業務流統計特徵.為此,提齣瞭一些能夠較好地區分視頻業務的QoS相關的統計特徵.為瞭充分地髮揮多級聚類算法的優勢,以靈活的特徵選擇策略標記不同層級的網絡視頻流,通過大量的真實網絡視頻數據進行實驗驗證.結果錶明,該方法能比現有同類方法取得更高的分類準確率.
기우궤기학습적류통계특정식별적방법관건재우여하조도구유구분력도적업무류통계특정.위차,제출료일사능구교호지구분시빈업무적QoS상관적통계특정.위료충분지발휘다급취류산법적우세,이령활적특정선택책략표기불동층급적망락시빈류,통과대량적진실망락시빈수거진행실험험증.결과표명,해방법능비현유동류방법취득경고적분류준학솔.