基于特征融合和机器学习的网络视频流分类

作者：袁梦娇; 董育宁

来源：南京邮电大学学报(自然科学版), 2021, (02): 100-108.

DOI：10.14132/j.cnki.1673-5439.2021.02.012

• 特征融合
• 复合特征
• 网络流分类

网络流分类对于有效管理网络以确保服务质量（QoS）至关重要。目前，特征融合在网络流分类领域取得了一些研究成果，但是其分类有效性还有待改善。在以往的研究基础上，提出了一种新的特征融合方法，通过对原始统计特征之间进行组合运算得到融合特征。与原始统计特征相比，有些融合特征更有效，或者两者互补。因此，为了提取对分类有用的信息，将原始特征与融合特征合并产生复合特征。同时，特征数目增加，存在冗余和无关特征，采用嵌入式特征选择方法和随机森林分类器来选出最佳的特征子集。对采集的视频流进行了实验测试，分类准确率达到了99.3%，验证了该方法的有效性。与其他文献方法相比，文中方法的分类性能更好。同时在其他数据集上也进行了实验，验证了该方法适用于多种分类任务。

• 单位
  通信与信息工程学院; 南京邮电大学