使用改进K-SVD的网络多媒体业务QoS类识别
发布时间：2022-01-15 00:03
该文基于网络多媒体业务QoS（Quality of Service）特征特点,提出网络业务QoS类识别算法。探索了新的多媒体业务QoS类划分模式,在QoS分类的基础上,可以通过将具有相同或相似QoS需求特征的业务流聚集生成聚集流。聚集流划分使用较少的QoS特征,借助聚集流可以在合理的粒度上区分多媒体业务。该文从QoS特征出发分析了聚集流识别的特点,利用网络多媒体业务典型QoS特征的稀疏性,使用改进K-SVD（Kernel Singular Value Decomposition）进行字典学习,实现网络多媒体业务QoS类识别。实验结果表明,该文算法比现有方法具有更高的QoS类识别准确性。
【文章来源】：电子与信息学报. 2017,39(12)北大核心EICSCD
【文章页数】：7 页
【部分图文】：
所有业务上/下行归化速率对数值分布
第12期王再见等：使用改进K-SVD的网络多媒体业务QoS类识别3025表1Youkuvideo部分统计信息示例业务流序号下行子流数下行包大小信息熵下/上行字节数之比下行数据有效IP数/所有IP数下行平均包大小(Byte)包到达时间间隔的熵15720.44051929.08950047/4714209.50918025741.02683534.17789346/5914218.15622634610.43514741.27783948/5314209.012246图26种QoS类上/下行归化速率值分布表2新QoS类定义区域聚集流类具体业务例子下行速率上行速率其它描述1广播视频(BDV)广播视频会议、可视电话、在线视频等业务中小上/下行速率分布较密集、比值较小2网页视频(WV)BBC,CCTV等网页视频业务大较小上/下行速率分布的跨度最大、比值较小3购买型视频(TSV)Xunlei,BitTorrent,Emule,Fileguri电驴等视频业务较大中上/下行速率分布的跨度较大，比值居中4以物易物型视频(BSV)电视蚂蚁、Sopcast,Skype,PPStream,PPlive,PPMate等视频业务较大大上行速率分布的跨度最大，下行速率较稳定，上/下行速率的比值分散5交互视频(IV)QQ,MSN等视频业务中中上/下行速率分布较密集，上/下行速率值相近6游戏类(GC)多人网络交互游戏等业务小小上/下行速率分布较分散，上/下行速率值都较小得更加清晰，我们将其中几个距离较近的QoS类分布用子图画出。由图2(b)可见，BDV与WV距离明显。图2(c)为TSV,BSV和IV3个类别的上/下行归化速率值分布示意图，由图可见3类业务分布区域相对集中。图2(d)为WV,TSV和GC3个类别的上/下行归化速率值分布示意图，GC类别区分明显，WV和TSV虽相距较近，但也有差异。BDV类所属业务上/下行速率的特点是分布较集中，产生的数据总量不大。WV类业务常由HTTP服务器提供，通过嵌入在网页中的对象浏览。该模式下每个?
不易过长，业务对延迟时间敏感。数据是双向对称传输，上/下行速率斜率的变化范围很小，反映该类型业务特征分布稳定。GC类业务既可能采用C/S模式也可能采用混合P2P模式，不同类型的业务虽然特征不尽相同，但在上/下行速率需求上具有一致性。该类由于大量计算由服务器和本地客户端完成，服务器只是向玩家提供计算结果，而玩家只需向服务器传输指令和要求，大量场景和视频画面在本地生成，需要传输的数据量较少。4基于修正K-SVD的网络业务QoS类识别框架基于修正K-SVD的网络业务QoS类识别算法流程可划分为两个模块(图3)：特征处理模块和稀疏表示模块。(1)特征处理模块：(a)获取训练数据集合。捕获流行的23种多媒体业务作为基本数据集。(b)特征提龋本文基于Wireshark获取DSCP(DiffServCodePoint)值、包到达绝/相对时间、源/目的IP地址、源/目的端口、协议、包大孝累积字节数和包详细描述等60种属性，并针对采集到的数据进行预处理。选取对应特征出现的最大值归化相应特征的全部数据，用统计后的相对值区分不同业务类型，具体的归化公式如式(1)：,min,maxmin,1,1,2iixRRrinRRll-=￡￡=-(1)这里，()()max,min,max,min,1,iiiiRRRRill=="=2,,n,n为数据集业务总数，l取值为1时表示图3基于修正K-SVD的网络业务QoS类识别上行数据，l取值为2时表示下行数据，i,Rl为业务i的实际取值，i,rl为其归化后的取值。(c)尺度不变特征变换(Scale-InvariantFeatureTransform,SIFT)。为了降低网络噪声对QoS参数取值的影响，本文对提取后的特征用SIFT描述子刻画，本质是在不同的尺度空间上查找特征关键点，并计算出方向。实现步骤如下：(i)尺度空间极值检测；(ii)确定每个候选位置和?
【参考文献】：
期刊论文
[1]一种基于改进隐马尔可夫的多媒体业务分类算法[J]. 王再见,董育宁,张晖,冯友宏. 电子与信息学报. 2015(02)
[2]多媒体通信业务流识别与分类方法综述[J]. 董育宁,王再见,房曙光,张健. 南京邮电大学学报(自然科学版). 2013(03)
[3]一种异构网络多媒体业务QoS类弹性映射方法[J]. 王再见,董育宁,张晖,赵海涛. 电子与信息学报. 2013(03)
本文编号：3589482
【文章来源】：电子与信息学报. 2017,39(12)北大核心EICSCD
【文章页数】：7 页
【部分图文】：
所有业务上/下行归化速率对数值分布
第12期王再见等：使用改进K-SVD的网络多媒体业务QoS类识别3025表1Youkuvideo部分统计信息示例业务流序号下行子流数下行包大小信息熵下/上行字节数之比下行数据有效IP数/所有IP数下行平均包大小(Byte)包到达时间间隔的熵15720.44051929.08950047/4714209.50918025741.02683534.17789346/5914218.15622634610.43514741.27783948/5314209.012246图26种QoS类上/下行归化速率值分布表2新QoS类定义区域聚集流类具体业务例子下行速率上行速率其它描述1广播视频(BDV)广播视频会议、可视电话、在线视频等业务中小上/下行速率分布较密集、比值较小2网页视频(WV)BBC,CCTV等网页视频业务大较小上/下行速率分布的跨度最大、比值较小3购买型视频(TSV)Xunlei,BitTorrent,Emule,Fileguri电驴等视频业务较大中上/下行速率分布的跨度较大，比值居中4以物易物型视频(BSV)电视蚂蚁、Sopcast,Skype,PPStream,PPlive,PPMate等视频业务较大大上行速率分布的跨度最大，下行速率较稳定，上/下行速率的比值分散5交互视频(IV)QQ,MSN等视频业务中中上/下行速率分布较密集，上/下行速率值相近6游戏类(GC)多人网络交互游戏等业务小小上/下行速率分布较分散，上/下行速率值都较小得更加清晰，我们将其中几个距离较近的QoS类分布用子图画出。由图2(b)可见，BDV与WV距离明显。图2(c)为TSV,BSV和IV3个类别的上/下行归化速率值分布示意图，由图可见3类业务分布区域相对集中。图2(d)为WV,TSV和GC3个类别的上/下行归化速率值分布示意图，GC类别区分明显，WV和TSV虽相距较近，但也有差异。BDV类所属业务上/下行速率的特点是分布较集中，产生的数据总量不大。WV类业务常由HTTP服务器提供，通过嵌入在网页中的对象浏览。该模式下每个?
不易过长，业务对延迟时间敏感。数据是双向对称传输，上/下行速率斜率的变化范围很小，反映该类型业务特征分布稳定。GC类业务既可能采用C/S模式也可能采用混合P2P模式，不同类型的业务虽然特征不尽相同，但在上/下行速率需求上具有一致性。该类由于大量计算由服务器和本地客户端完成，服务器只是向玩家提供计算结果，而玩家只需向服务器传输指令和要求，大量场景和视频画面在本地生成，需要传输的数据量较少。4基于修正K-SVD的网络业务QoS类识别框架基于修正K-SVD的网络业务QoS类识别算法流程可划分为两个模块(图3)：特征处理模块和稀疏表示模块。(1)特征处理模块：(a)获取训练数据集合。捕获流行的23种多媒体业务作为基本数据集。(b)特征提龋本文基于Wireshark获取DSCP(DiffServCodePoint)值、包到达绝/相对时间、源/目的IP地址、源/目的端口、协议、包大孝累积字节数和包详细描述等60种属性，并针对采集到的数据进行预处理。选取对应特征出现的最大值归化相应特征的全部数据，用统计后的相对值区分不同业务类型，具体的归化公式如式(1)：,min,maxmin,1,1,2iixRRrinRRll-=￡￡=-(1)这里，()()max,min,max,min,1,iiiiRRRRill=="=2,,n,n为数据集业务总数，l取值为1时表示图3基于修正K-SVD的网络业务QoS类识别上行数据，l取值为2时表示下行数据，i,Rl为业务i的实际取值，i,rl为其归化后的取值。(c)尺度不变特征变换(Scale-InvariantFeatureTransform,SIFT)。为了降低网络噪声对QoS参数取值的影响，本文对提取后的特征用SIFT描述子刻画，本质是在不同的尺度空间上查找特征关键点，并计算出方向。实现步骤如下：(i)尺度空间极值检测；(ii)确定每个候选位置和?
【参考文献】：
期刊论文
[1]一种基于改进隐马尔可夫的多媒体业务分类算法[J]. 王再见,董育宁,张晖,冯友宏. 电子与信息学报. 2015(02)
[2]多媒体通信业务流识别与分类方法综述[J]. 董育宁,王再见,房曙光,张健. 南京邮电大学学报(自然科学版). 2013(03)
[3]一种异构网络多媒体业务QoS类弹性映射方法[J]. 王再见,董育宁,张晖,赵海涛. 电子与信息学报. 2013(03)
本文编号：3589482
本文链接：https://www.wllwen.com/guanlilunwen/ydhl/3589482.html
