基于特征选取的网络游戏与视频业务分类研究-信号与信息处理专业论文.docxVIP

万方数据 万方数据 南京邮电大学学位论文原创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。 尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过 的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 本人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。 研究生签名： 日期： 南京邮电大学学位论文使用授权声明 本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文档； 允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索；可以 采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质论文 的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院办理。 涉密学位论文在解密后适用本授权书。 研究生签名： 导师签名： 日期： 摘要 近年来，随着互联网的迅猛发展，网络规模日渐增长，不同类型的网络多媒体应用也越 来越丰富。其中，网络游戏与网络视频由于用户规模较多，其受关注程度也随之提高。如何 准确高效地识别不同类型的网络游戏和网络视频流量，对于提高服务质量和用户体验具有十 分重要的现实意义。 本文选取了目前主流的几种网络游戏和常见的网络视频类型数据作为研究对象，选取的 网络游戏包括 DOTA、DOTA2、LOL、炉石传说、梦幻西游和逆战，选取的网络视频类型有 在线标清视频、在线高清视频、在线直播视频和视频下载。在本文的网络流量分类研究中， 采用特征选取的方法来去除不相关的特征或者冗余的特征，以达到提高分类准确度的目的。 本文提出了一种新的 SVM（Support Vector Machine）级联分类器：在每一级的 SVM 分 类器中，通过综合考虑信息增益率和皮尔森相关系数进行特征选取的方法，为某一类型的数 据选取出能有效区分该类型数据与其他类型数据的最佳特征组合，并以选取出的最佳特征组 合准确识别出该类型数据。将本文提出的方法用于网络游戏与网络视频流量的分类研究中， 通过多次的实验可以验证，本文提出的方法可以有效地提高分类正确率。 为了验证网络游戏与网络视频短序列流实时分类的可能性，本文提取了不同包数目下网 络游戏与网络视频数据的短序列流。通过分类实验发现，当包数目较少时即可取得较高的分 类正确率，初步验证了网络游戏与网络视频短序列流实时分类的可能性。 本文还对不同时间段内获取的 6 种主流网络游戏数据进行了分类实验。通过分类实验验 证，在长时间尺度下，不同网络游戏的不同流统计特征的稳定性是不一致的。 关键词: 流量分类，特征选取，网络游戏，网络视频，SVM I Abstract In recent years, with the rapid development of the Internet, the network scale is growing and the different types of network multimedia applications are increasingly more and more rich. Among these, due to the large number of users, the degree of concern of network games and network video is also increased. How to identify the different types of network games and network video traffic accurately and efficiently is very important for improving the quality of service and user experience. This paper selects several current mainstream online games and the common types of network video as the research object, the network games selected include DOTA, DOTA2, LOL, HearthStone, XYQ and AssaultFire, the online video types selected are online standart definition video, online high definition video, online