《一种基于数据挖掘的IPTVQoE评价方法ppt课件.ppt》由会员分享，可在线阅读，更多相关《一种基于数据挖掘的IPTVQoE评价方法ppt课件.ppt（17页珍藏版）》请在三一文库上搜索。
1、2016年10月 一种基于数据挖掘的IPTV QoE评价方法 报告人： 李良 2 目录 1 问题和背景 2 IPTV QoE关键指标选择 3 IPTV QoE评价模型 4 实验验证 3 1 问题和背景 3 I. 电信、移动、广电等运营商均基于宽带IP（Internet Protocol ，网际网协议）网开展了大规模IPTV业务 II.大面积IPTV质量投诉，用户对IPTV的服务质量满意度下降，宽 带运营商难以先于用户投诉发现IPTV质量劣化现象，难以预警投诉 并提前处置 III. IPTV业务在日常运行中，积累了海量的指标数据难以发挥 应有价值。需要获取每个IPTV客户在使用业务过程中感受到的
2、质量 （感知质量，Quality of experience, QoE），以实现投诉预防、 预检预修。 IV.需要有效的IPTV QoE计算方法 研究对 象和问 题 1 问题和背景 QoE评价方法 基于数据挖掘的 评价方法 传统评价方法 完 全 参 考 评 价 部 分 参 考 评 价 无 参 考 评 价 QoE指标选取分 析 QoE评价模型 因 子 分 析 法 主 成 分 分 析 法 相 关 性 分 析 法 回 归 分 析 法 AHP 层次 分析 法） 5 目录 1 问题和背景 2 IPTV QoE关键指标选择 3 IPTV QoE评价模型 4 实验验证 6 2 IPTV QoE关键指标选择
3、6 IPTV原始指标 指标分类指标集合 视频编码 比特率、帧率、视频压缩率、容错能力、复杂 度、分辨率 服务平台最大并发数、平均响应时间 承载网丢包率、抖动、时延、掉线率、连通率 终端CPU利用率、内存利用率 业务延迟因素DF、媒体丢包速率MLR 7 2 IPTV QoE关键指标选择 7 步骤一：首先采用因子分析法来对指标变量进行分析，也就是对这些指标变量进行KMO检验， KMO检验的目的是判断是否有必要对这些指标变量进行因子分析。 丢包率抖动时延掉线率 丢包率1.0000.1020.0140.124 抖动0.1021.0000.2100.301 时延0.0140.2101.0000.140
4、掉线率0.1240.3010.1401.000 IPTV承载网络QoE参数的KMO值为0.83 IPTV视频QoE参数的KMO值为0.78 用户终端性能QoE参数的KMO为0.80 2 IPTV QoE关键指标选择 步骤二：采用主成分分析法对这些指标集进行降维，使原本存在相关性的指标变成不存在相关性 的指标，从而降低指标数目。 主成分分析（Principal components analysis, PCA） 主成分特征值方差贡献率累积贡献率 13.7350.51330.5133 21.1740.16130.6746 31.2130.16670.8412 选取前三个主成分的累积贡献率达到84.
5、12% ，而两个主成分的累积贡献率只有67.46%， 所以选择前三个主成分 2 IPTV QoE关键指标选择 步骤二：采用主成分分析法对这些指标集进行降维，使原本存在相关性的指标变成不存在相关性 的指标，从而降低指标数目。 第一主成分第二主成分第三主成分 指标第一特征向量指标第二特征向量指标第三特征向量 丢包率3.363抖动4.012时延3.102 抖动1.012时延1.109掉线率1.054 时延1.132丢包率-1.018抖动-1.065 掉线率-0.076掉线率-0.182丢包率-0.168 所以得到影响第一主成分的指标为丢包率，影响第二主成分的指标为抖动，影响第三主成 分的指标为时延，
6、最后得到影响IPTV承载网络QoE参数的指标为丢包率、抖动和时延。同 理可获得其他类型的主成分指标 2 IPTV QoE关键指标选择 步骤三：通过步骤二得到了三类指标里所有的关键指标，但这些指标还不一定能完全反映用户 体验质量QoE，因为还不确定这些指标对QoE是否有影响。继续采用Pearson相关系数来对这些 指标与QoE之间的关系进行分析，以确定这些指标是否为是影响QoE的关键指标。 MOS 丢包率抖动时延 MOS 1.000-0.623-0.767-0.698 丢包率-0.6231.0000.2280.070 抖动-0.7670.2281.0000.480 时延-0.6980.0700.
7、4801.000 MOS值为通过大量电话回访 获得的用户主观评分结果， 取值范围0-5，代表了IPTV 用户的真实感受，作为对 IPTV指标的相关性检验依 据。 根据pearson相关系数与相关 性的关系，可以看出IPTV 承载网络中各指标与MOS值 之间是显著相关，而各指标 之间是低相关或者中等相关 ，说明降维后得到的指标是 符合要求的 11 目录 1 问题和背景 2 IPTV QoE关键指标选择 3 IPTV QoE评价模型 4 实验验证 12 3 IPTV QoE评价模型 12 SMOS为希望获得的IPTV QoE值，值的范围是 0到5之间的实数； mos(u)为用户终端性能QoE参数的
8、体验质量拟 合后的评价值，值的范围是0到1之间的实数； 而MOS( N ,V )是对IPTV视频QoE参数和IPTV 承载网络QoE参数的体验质量进行拟合后得到 的评价值，值的范围是0到5之间的实数。 3 IPTV QoE评价模型 1.明确回归方程中哪些是自变量与因变量： 通过上述QoE评价模型可知：只需要求出 MOS( N ,V )和mos(u)的回归方程就可以 得到完整的关于指标与QoE之间的回归方 程，因此本节的回归方程有两个，因变量 分别是MOS( N ,V )和mos(u)，而自变量 则分别是他们各自对应的相应指标。 2.明确回归模型：回归方程的构建涉及多指 标问题，也就是每个因变量
9、对应多个指标 ，不能简单的通过画出离散点来实现函数 拟合，本节采用的方法是先通过分析上面 相关性分析法得到指标与因变量之间的关 系，然后根据专家经验来建立回归模型。 3.确定参数系数：根据上一步得到的回归方 程、指标数据和QoE值，通过在实验条件 下进行仿真实验，得到回归方程中各个参 数所对应的系数，从而得到一个明确而完 整的回归方程。 14 目录 1 问题和背景 2 IPTV QoE关键指标选择 3 IPTV QoE评价模型 4 实验验证 15 4 实验验证 15 1.利用某市运营商用户针对直播和点播的真实IPTV指标数据，采用本文方法进行拟合评分 ，利用这部分用户的电话回访数据（用户主观评
10、分）计算本文拟合算法的拟合优度值。 视频a1a2a3b1b2拟合优度 直播4.4520-0.00650.0787.0331.91293.04% 点播3.352-0.00730.1129.9820.95790.82% 不同的IPTV业务的指标参数不一样，造成这个结果的原因是选择的两个视频在时间与空 间信息上所包含的数据量本身就不一样，也就意味着它们各自对IPTV质量的影响不同， 所以也就导致它们对丢包率、比特率、帧率等参数的相关性不一样； 所设计的拟合回归函数可以很好的反映指标与QoE之间的关系，通过上面的拟合优度值 与残差平方和可以看出，不同的视频采用本论文设计的评价模型得到的拟合回归函数的
11、拟合优度值均大于90%，且残差平方和均小于0.04，说明此拟合回归函数能较好反映用 户真实体验。 16 4 实验验证 16 2.利用某省运营商全部用户3天内真实IPTV指标数据，采用本文方法对每个用户进行拟合评 分，并计算每个用户3日平均分，采用不同的阈值进行质量预警，然后利用3日内全省 IPTV投诉记录进行实际预警命中率验证。 利用全省所有IPTV用户连续3天 的IPTV运行数据，对所有用户 进行QoE评分，并计算3日内平 均分。指标样本记录共计超过4 千万条。 分别按照不同的评分阈值，对 用户进行质量预警，提取多个 阈值的QoE预警清单。 提取3日内所有IPTV质量类投诉 记录，作为投诉清单，共计 2410人。 对比QoE预警清单针对投诉清单 的命中率，验证本文QoE评价模 型的有效性。 预警评分阈值命中人数命中率 80159966.35% 75130153.98% 70116848.46% 65104043.15% 6093638.84% 5583034.44% 5078332.49% 4566127.43% 4062926.10% 采用本文设计的评价模型，在设定触发预 警评分阈值为80分时，QoE预警清单对投 诉清单的命中率为66.35%，即：本文方法 可有效预警60%以上的投诉用户。 谢谢