基于特征選取的網絡游戲與視頻業(yè)務分類研究.pdf

1、近年來，隨著互聯(lián)網的迅猛發(fā)展，網絡規(guī)模日漸增長，不同類型的網絡多媒體應用也越來越豐富。其中，網絡游戲與網絡視頻由于用戶規(guī)模較多，其受關注程度也隨之提高。如何準確高效地識別不同類型的網絡游戲和網絡視頻流量，對于提高服務質量和用戶體驗具有十分重要的現(xiàn)實意義。
　　本文選取了目前主流的幾種網絡游戲和常見的網絡視頻類型數(shù)據作為研究對象，選取的網絡游戲包括DOTA、DOTA2、LOL、爐石傳說、夢幻西游和逆戰(zhàn)，選取的網絡視頻類型有在線標清視

2、頻、在線高清視頻、在線直播視頻和視頻下載。在本文的網絡流量分類研究中，采用特征選取的方法來去除不相關的特征或者冗余的特征，以達到提高分類準確度的目的。
　　本文提出了一種新的SVM（Support Vector Machine）級聯(lián)分類器：在每一級的SVM分類器中，通過綜合考慮信息增益率和皮爾森相關系數(shù)進行特征選取的方法，為某一類型的數(shù)據選取出能有效區(qū)分該類型數(shù)據與其他類型數(shù)據的最佳特征組合，并以選取出的最佳特征組合準確識別出該類

3、型數(shù)據。將本文提出的方法用于網絡游戲與網絡視頻流量的分類研究中，通過多次的實驗可以驗證，本文提出的方法可以有效地提高分類正確率。
　　為了驗證網絡游戲與網絡視頻短序列流實時分類的可能性，本文提取了不同包數(shù)目下網絡游戲與網絡視頻數(shù)據的短序列流。通過分類實驗發(fā)現(xiàn)，當包數(shù)目較少時即可取得較高的分類正確率，初步驗證了網絡游戲與網絡視頻短序列流實時分類的可能性。
　　本文還對不同時間段內獲取的6種主流網絡游戲數(shù)據進行了分類實驗。通過分