非均衡IPTV数据集下的用户报障预测

摘要：

针对传统算法在非均衡交互式网络电视(Internet protocol television,IPTV)数据集下用户报障预测效果不理想的问题,本文将影响网络服务质量(Quality of service,QoS)的传统网络参数和主观反映用户体验质量(Quality of experience,QoE)的 M OS评分结合来预测用户是否报障.本文在已有的ODR-BSM O T E-SVM 算法基础上,针对过采样算法产生噪声以及核参数没有进行优化的缺陷,提出了一种改进型算法.该改进算法首先采用欠采样、过采样算法及数据清洗算法对原始非均衡数据进行处理,然后通过自适应变核参数寻找近似最优值,最终实现提升分类效果.实验结果表明,较传统标准支持向量机(Support vector machine,SVM)算法和ODR-BSMOTE-SVM 算法,本文算法能获得更佳的预测效果.

关键词：非均衡数据、服务质量、数据清洗、支持向量机

所属期刊栏目：33

分类号：TP181(自动化基础理论)

资助基金：国家重点基础研究发展计划2013CB329005;国家自然科学基金61322104,61571240;江苏高校优势学科建设工程资助项目;江苏省自然科学基金BK20161517;江苏省青蓝工程资助项目

在线出版日期：2018-03-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：75-84