摘要：现有的视频流分类方法体现出内容依赖及特征依赖的局限性,该文引入流量分形理论,并在小波域内,提出一种基于Hurst指数的Fractals分类模型以改进不足。为此,该文首先描述流的分形性质,定义流的Hurst指数,推导小波域内Hurst指数的估计过程。然后,基于代价函数优化分段目标,用聚类差异度方法计算分段Hurst指数的总体差异量,再基于最大类间方差阈值进行分析,从而实现视频流的细粒度分类。研究结果表明,该文提出的分类方法,以随机数据的变化特性为内容,突破了内容依赖的局限性,解决了特征制约的瓶颈,提高了视频流的分类效果。

关键词：视频流 分类 分形 hurst指数 小波 

单位：南京邮电大学通信与信息工程学院; 南京210003; 安徽师范大学物理与电子信息学院; 芜湖241000