基于PNN-PSO算法的IPTV不平衡数据集的QoE的预测方法技术

本发明专利技术提出了一种基于PNN‑PSO算法的IPTV不平衡数据集的用户体验质量(QoE)的预测方法。该方法包括如下步骤：首先从IPTV的机顶盒记录中提取与用户的体验质量有关联的影响因素，得到PNN‑PSO模型的特征输入，并进行相关概念的定义及数据的提取和预处理；接着分析各个特征与用户体验质量(QoE)的关联；而后基于PNN‑PSO神经网络建立用户体验质量(QoE)预测模型，利用IPTV数据集来实现用户体验质量(QoE)的预测。采用该方法，克服了PNN算法中存在的局部极小问题以及数据不均衡所带来的问题，学习收敛过程更快，预测更加精确、高效；充分利用了IPTV机顶盒的数据集，能够帮助IPTV运营商及时地做出调整措施，以提高用户体验质量。

QoE Prediction Method for IPTV Unbalanced Data Set Based on PNN-PSO

The invention proposes a prediction method for user experience quality (QoE) of IPTV unbalanced data set based on PNN PSO algorithm. The method includes the following steps: firstly, extracting the influencing factors related to the user's experience quality from IPTV set-top box records, obtaining the feature input of PNN PSO model, defining the relevant concepts, extracting and preprocessing the data; secondly, analyzing the relationship between each feature and user experience quality (QoE); secondly, building user experience quality (QoE) based on PNN PSO neural network. The prediction model uses IPTV data set to realize the prediction of user experience quality (QoE). This method overcomes the local minimal problem in PNN algorithm and the problem caused by data imbalance. The learning convergence process is faster, the prediction is more accurate and efficient. The full use of IPTV set-top box data sets can help IPTV operators to make timely adjustment measures to improve the quality of user experience.

【技术实现步骤摘要】
基于PNN-PSO算法的IPTV不平衡数据集的QoE的预测方法
本专利技术涉及交互式网络电视(IPTV)中用户体验质量(QoE)预测分析
，尤其涉及一种基于PNN-PSO算法的IPTV不平衡数据集的QoE预测方法。
技术介绍
多媒体流媒体服务已成为全球移动数据流量最新的增长背后的主要原因。据统计，到2018年为止，所有形式的视频(电视、视频点播(VoD)、互联网和P2P)的总和将超过全球消费者流量的80％。互联网上的视频流越来越受欢迎。到2018年底，世界各地的移动视频通信量将超过的移动数据流量的三分之一，其中大部分移动视频流量是无线网络(WiFi)，而不是移动通讯(3G，4G或5G网络)。同时，网络协议电视(IPTV)在无线蜂窝通信发展迅速的阶段应运而生。IPTV集成了互联网、多媒体、通信等多种技术。它提供基于通信网络的交互式视频服务，为用户提供多种选择，以保证用户的满意度。由于在动态网络条件下测量和预测QoE是一项具有挑战性的任务，国际电联提出的1011号的建议为QoE评估方法提供了参考指南，这对服务提供商及时调整服务有很大的好处。由于性能指标(KPIs)可以用来验证网络是本文档来自技高网...

【技术保护点】
1.一种基于PNN‑PSO算法的IPTV不平衡数据集的QoE的预测方法，包括以下步骤：S1，从IPTV机顶盒中采集用户数据，从用户数据中提取与用户的体验质量有关联的影响因素的数据；S2，分析各个影响因素与用户的体验质量之间的关联程度；S3，基于PNN‑PSO神经网络算法建立用户的体验质量的预测模型；S4，在所述预测模型中进行训练和用户的体验质量的预测。

【技术特征摘要】
1.一种基于PNN-PSO算法的IPTV不平衡数据集的QoE的预测方法，包括以下步骤：S1，从IPTV机顶盒中采集用户数据，从用户数据中提取与用户的体验质量有关联的影响因素的数据；S2，分析各个影响因素与用户的体验质量之间的关联程度；S3，基于PNN-PSO神经网络算法建立用户的体验质量的预测模型；S4，在所述预测模型中进行训练和用户的体验质量的预测。2.根据权利要求1所述的基于PNN-PSO算法的IPTV不平衡数据集的QoE的预测方法，其特征在于，所述步骤S3包括如下步骤：S31，定义步骤S1提取的与用户的体验质量有关联的影响因素为输入向量X，根据所述输入向量X的维数确定PNN神经网络的输入层中神经元的数量；S32，所述输入向量X传输至所述输入层，在所述用户数据中随机提取若干条数据作为样本数据，提取预设条数据作为训练样本，所述输入层接受所述训练样本并将数据传递到隐藏层；所述隐藏层是径向基层，每个隐藏层的神经元节点都有一个中心，所述中心对应一个样本数据；S33，根据所述训练样本的个数确定所述隐藏层的神经元个数；所述隐藏层计算所述输入向量X与相应的所述中心的距离后，输出一个标量值；所述隐藏层中第i类模式的第j神经元的输出标量值Φij(X)与所述输入向量X满足如下关系：其中，所述σ为径向基函数的扩展速度；i＝1，…，M，M为训练样本中的总类数；d是样本空间数据的维数，Xij是第i类模式的第j个中心；S34，利用粒子群算法优化所述径向基函数的扩展速度σ，自动搜索最合适的传播；S35，数据传递至求和层；根据所述总类别数M确定所述求和层的神经元个数；所述求和层将所述隐藏层中属于同一类的神经元的输出标量值做加权平均后输出vi，其输出vi满足如下关系式：其中，vi表示第i类类别的输出；N表示第i类神经元的个数；S36，数据传递至输出层；所述输出层由竞争神经元构成，其神经元个数与所述求和层的神经元个数相同；所述输出层接受所述求和层的输出并做阈值辨别，其输出y满足如下关系式：y＝compet(vi)其中，竞争函数compet(x)表示在所有的输出层神经元中找到一个具有最大后验概率密度的神经元，其输出为1，其余神经元输出为0。3.根据权利要求2所述的基于PNN-PSO算法的IPTV不平衡数据集的QoE的预测方法，其特征在于，所述步骤S32的具体步骤如下：S321，从所述用户数据中分别随机选择10000、15000、20000条记录，分别形成数据集1、数据集2及数据集3；S322，确定所述数据集1、数据集2及数据集3的输入向量；采用十折交叉验证将所述数据集1、数据集2及数据集3各自拆分为十个包，随机选取每个数据集中的九个包作为训练样本，剩余的一个包用来预测用户的体验质量；S323，所述输入层接受所述训练样本并将其传递到隐藏层。4.根据权利要求2所述的基于PNN-PSO算法的IPTV不平衡数据集的QoE的预...

【专利技术属性】
技术研发人员：周亮，胡正莹，魏昕，刁梦雯，高赟，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32