1.本發(fā)明涉及視頻運(yùn)維技術(shù)領(lǐng)域，尤其涉及一種智能視頻運(yùn)維管理系統(tǒng)。

背景技術(shù)：

2.隨著物聯(lián)網(wǎng)技術(shù)和應(yīng)用的不斷發(fā)展，網(wǎng)絡(luò)邊緣設(shè)備產(chǎn)生的數(shù)據(jù)量激增。據(jù)統(tǒng)計(jì)，到2021年底，將有超過(guò)500億臺(tái)終端和設(shè)備接入互聯(lián)網(wǎng)。超過(guò) 50% 的數(shù)據(jù)需要在網(wǎng)絡(luò)邊緣進(jìn)行分析、處理和存儲(chǔ)。在這些終端設(shè)備產(chǎn)生的海量數(shù)據(jù)中，視頻數(shù)據(jù)占據(jù)了相當(dāng)大的比重。

3.目前，受網(wǎng)絡(luò)帶寬、視頻數(shù)據(jù)采集存儲(chǔ)條件不足等多方面因素的限制，海量視頻數(shù)據(jù)并未得到充分挖掘和利用。如果將如此海量的視頻數(shù)據(jù)傳輸?shù)焦性茢?shù)據(jù)中心，勢(shì)必會(huì)帶來(lái)巨大的網(wǎng)絡(luò)傳輸負(fù)載，并且會(huì)出現(xiàn)較長(zhǎng)的網(wǎng)絡(luò)延遲。未經(jīng)處理的視頻流可能包含大量靜止圖像等冗余數(shù)據(jù)，這對(duì)網(wǎng)絡(luò)帶寬的利用也有很大的負(fù)面影響。此外，非結(jié)構(gòu)化視頻數(shù)據(jù)增加了數(shù)據(jù)計(jì)算和存儲(chǔ)的復(fù)雜度，無(wú)法保證整個(gè)系統(tǒng)的可用性。在安全監(jiān)管方面，如果將大量物聯(lián)網(wǎng)設(shè)備采集的包含隱私和商業(yè)機(jī)密的視頻數(shù)據(jù)傳輸?shù)綌?shù)據(jù)中心進(jìn)行集中計(jì)算和存儲(chǔ)，數(shù)據(jù)傳輸和使用路徑過(guò)長(zhǎng)，存在數(shù)據(jù)泄露，丟失、系統(tǒng)攻擊等風(fēng)險(xiǎn)。因此，傳統(tǒng)公有云計(jì)算的集中處理模式不足以支撐海量視頻數(shù)據(jù)的實(shí)時(shí)計(jì)算，難以滿足數(shù)據(jù)安全等方面的需求。

4.運(yùn)維系統(tǒng)的主要作用是保證系統(tǒng)的正常運(yùn)行。運(yùn)維包括運(yùn)維的含義。早期運(yùn)維系統(tǒng)的主要功能是電子化記錄紙質(zhì)運(yùn)維記錄。運(yùn)行方面，隨著IT技術(shù)的不斷發(fā)展，系統(tǒng)變得越來(lái)越復(fù)雜，如何快速獲取信息，快速完成故障應(yīng)急策略成為當(dāng)前運(yùn)維系統(tǒng)的核心問(wèn)題。在跨平臺(tái)、跨應(yīng)用交互、分布式等技術(shù)成為主流的今天，運(yùn)維系統(tǒng)需要讓自身更具交互性和可擴(kuò)展性，同時(shí)又不失傳統(tǒng)運(yùn)維理念，適應(yīng)分布式環(huán)境。 ，總線方案的引入it運(yùn)維技術(shù)，使得運(yùn)維系統(tǒng)具有松耦合、易擴(kuò)展的特點(diǎn)。通過(guò)消息總線運(yùn)維系統(tǒng)，可以立即獲取集群中各個(gè)節(jié)點(diǎn)發(fā)送的消息。處理完信息后，將處理結(jié)果通過(guò)總線發(fā)送到需要的集群節(jié)點(diǎn)。根據(jù)總線架構(gòu)的目標(biāo)對(duì)象，運(yùn)維系統(tǒng)可以分為兩類：面向應(yīng)用的總線架構(gòu)運(yùn)維系統(tǒng)和面向組件的總線架構(gòu)運(yùn)維系統(tǒng)。

5.傳統(tǒng)的系統(tǒng)運(yùn)維主要依靠人工定期巡檢和突發(fā)事件應(yīng)急響應(yīng)機(jī)制。大部分情況下都可以完成所需的運(yùn)維任務(wù)，但是成本比較大，而且系統(tǒng)之前運(yùn)行產(chǎn)生的數(shù)據(jù)沒(méi)有很好的回溯機(jī)制。一種觀念認(rèn)為，人工智能在運(yùn)維領(lǐng)域的應(yīng)用和發(fā)展必然成為一種趨勢(shì)，而該領(lǐng)域現(xiàn)有的一些機(jī)器學(xué)習(xí)方法大多是基于使用k近鄰算法（knn）來(lái)處理運(yùn)維數(shù)據(jù)。時(shí)序結(jié)果分類不僅計(jì)算復(fù)雜度高、空間復(fù)雜度高，而且普遍適用性差。

6.例如，專利文獻(xiàn)公開(kāi)了一種視頻運(yùn)維管理系統(tǒng)和方法，公開(kāi)了一種視頻運(yùn)維管理系統(tǒng)和方法。設(shè)備管理模塊用于注冊(cè)所有在線管理視頻運(yùn)維設(shè)備。建立書(shū)本，存儲(chǔ)視頻運(yùn)維設(shè)備的管理信息； gis可視化模塊通過(guò)gis地圖界面查看所有視頻運(yùn)維設(shè)備的當(dāng)前位置和視頻運(yùn)維設(shè)備的基本信息；信息狀態(tài)監(jiān)控模塊用于監(jiān)控運(yùn)維設(shè)備的工作狀態(tài)

狀態(tài)。但是這種技術(shù)方案的成本比較高，而且系統(tǒng)之前運(yùn)行產(chǎn)生的數(shù)據(jù)沒(méi)有很好的回溯機(jī)制。

7.例如，專利文獻(xiàn)提供了智能視頻運(yùn)維管理系統(tǒng)。運(yùn)維代理單元對(duì)各個(gè)監(jiān)控對(duì)象監(jiān)控的通道進(jìn)行視頻數(shù)據(jù)采集，對(duì)采集到的視頻數(shù)據(jù)進(jìn)行重復(fù)數(shù)據(jù)過(guò)濾，得到各個(gè)監(jiān)控對(duì)象的有效視頻數(shù)據(jù)，收集各個(gè)監(jiān)控對(duì)象自身的狀態(tài)數(shù)據(jù)，分析每個(gè)監(jiān)控對(duì)象的狀態(tài)數(shù)據(jù)。對(duì)有效視頻數(shù)據(jù)和監(jiān)控對(duì)象狀態(tài)數(shù)據(jù)進(jìn)行封裝，得到各個(gè)監(jiān)控對(duì)象的運(yùn)維數(shù)據(jù)。管理平臺(tái)單元統(tǒng)一管理從運(yùn)維代理單元傳來(lái)的各個(gè)監(jiān)控對(duì)象的運(yùn)維數(shù)據(jù)的分類、分發(fā)、檢索和存儲(chǔ)，將運(yùn)維數(shù)據(jù)分發(fā)給各個(gè)管理客戶端，并根據(jù)故障產(chǎn)生運(yùn)維數(shù)據(jù)信息和告警信息的分析結(jié)果。但該技術(shù)方案不僅計(jì)算復(fù)雜度高、空間復(fù)雜度高，而且普遍適用性較差。

技術(shù)實(shí)施要素：

8.為了解決上述技術(shù)問(wèn)題，本發(fā)明提出一種智能視頻運(yùn)維管理系統(tǒng)，包括數(shù)據(jù)采集單元、視頻運(yùn)維數(shù)據(jù)預(yù)處理單元、轉(zhuǎn)換與分類單元單元、數(shù)據(jù)存儲(chǔ)單元、數(shù)據(jù)分析單元、運(yùn)維質(zhì)量評(píng)估單元和業(yè)務(wù)應(yīng)用單元：數(shù)據(jù)采集單元用于采集視頻運(yùn)維數(shù)據(jù)；視頻運(yùn)維數(shù)據(jù)預(yù)處理單元，用于對(duì)視頻運(yùn)維數(shù)據(jù)進(jìn)行解析、轉(zhuǎn)換和歸約。轉(zhuǎn)換分類單元，用于對(duì)視頻運(yùn)維數(shù)據(jù)預(yù)處理單元預(yù)處理后的視頻運(yùn)維數(shù)據(jù)進(jìn)行分類和適配。配置后的數(shù)據(jù)；數(shù)據(jù)分析單元用于對(duì)分類適配后的數(shù)據(jù)進(jìn)行數(shù)據(jù)處理、分析和優(yōu)化；運(yùn)維質(zhì)量評(píng)價(jià)單元用于對(duì)運(yùn)維數(shù)據(jù)進(jìn)行數(shù)據(jù)處理、分析和優(yōu)化后的質(zhì)量分析和優(yōu)化。進(jìn)行評(píng)估；在業(yè)務(wù)應(yīng)用單元，運(yùn)維工程師根據(jù)業(yè)務(wù)應(yīng)用單元用戶在使用過(guò)程中發(fā)現(xiàn)的問(wèn)題，對(duì)智能運(yùn)維系統(tǒng)的優(yōu)化進(jìn)行積極反饋。

9.進(jìn)一步，在大數(shù)據(jù)的分類適配過(guò)程中，轉(zhuǎn)換分類單元采用向量分類模型進(jìn)行分類識(shí)別，向量分類模型采用單位階躍函數(shù)輸出輸入數(shù)據(jù)u類別標(biāo)簽f(u)，當(dāng)u<0時(shí)，f(u)輸出-1，否則輸出+1；使用標(biāo)簽

·

(u)·

表示從點(diǎn)到分離平面的幾何間隔，使用最大化函數(shù)最大化幾何間隔：arg maxu{min(label

·

(u)·

)};基于約束，將分離平面寫(xiě)成數(shù)據(jù)點(diǎn)的形式，優(yōu)化目標(biāo)函數(shù)為：約束是：

其中常數(shù)c1、c2是一個(gè)松弛變量，用于控制最大幾何區(qū)間參數(shù)和函數(shù)區(qū)間參數(shù)小于1.0。

10.進(jìn)一步，采用序列最小優(yōu)化算法訓(xùn)練向量分類模型，包括以下步驟： s1、創(chuàng)建并初始化一個(gè)o的向量，并進(jìn)行迭代； s2、判斷迭代次數(shù)是否小于最大值； s3、如果迭代次數(shù)小于最大值，遍歷數(shù)據(jù)集中的每個(gè)向量，進(jìn)行優(yōu)化處理。如果可以優(yōu)化向量，請(qǐng)輸入 s4。如果向量無(wú)法優(yōu)化，如果優(yōu)化，則遍歷下一個(gè)向量，重新優(yōu)化； s4、 隨機(jī)選擇另一個(gè)向量進(jìn)行優(yōu)化； s5、 如果兩個(gè)向量都不能優(yōu)化，增加迭代次數(shù)，返回s2；如果兩個(gè)向量可以優(yōu)化，輸入s6； s6、 同時(shí)優(yōu)化兩個(gè)向量。

11.進(jìn)一步，數(shù)據(jù)分析單元采用徑向基核函數(shù)進(jìn)行優(yōu)化，將輸入數(shù)據(jù)x從輸入空間映射到特征空間，z表示特征空間的特征參數(shù)，徑向基核函數(shù)為：哪里是可調(diào)參數(shù)。

12.進(jìn)一步，所述運(yùn)維質(zhì)量評(píng)價(jià)單元采用時(shí)序相關(guān)評(píng)價(jià)指標(biāo)sr和線性相關(guān)評(píng)價(jià)指標(biāo)pl的歸一化作為評(píng)價(jià)指標(biāo)，線性相關(guān)評(píng)價(jià)指標(biāo)p1定義如下： 其中， n代表運(yùn)維數(shù)據(jù)個(gè)數(shù)， ，分別代表第i個(gè)運(yùn)維數(shù)據(jù)的實(shí)際值和預(yù)測(cè)值， ，分別代表運(yùn)維實(shí)際值和預(yù)測(cè)值的平均值數(shù)據(jù);訂單相關(guān)評(píng)價(jià)指標(biāo) sr 定義如下：其中，分別表示實(shí)際值和預(yù)測(cè)值在序列中的排序位置；歸一化后的評(píng)價(jià)指標(biāo)為：。

圖紙說(shuō)明

13. 圖1是本發(fā)明的智能視頻運(yùn)維管理系統(tǒng)的結(jié)構(gòu)示意圖；圖2為本發(fā)明序列最小優(yōu)化算法的流程圖。

具體實(shí)現(xiàn)方法

14. 為使本領(lǐng)域技術(shù)人員更好地理解技術(shù)實(shí)施例的技術(shù)方案，下面將結(jié)合技術(shù)實(shí)施例中的附圖對(duì)技術(shù)實(shí)施例中的技術(shù)方案進(jìn)行清楚的描述。 ，顯然，所描述的實(shí)施例只是本技術(shù)的部分實(shí)施例，而不是全部的實(shí)施例。

15.如圖所示。參見(jiàn)圖1，為本發(fā)明基于大數(shù)據(jù)的智能視頻運(yùn)維管理系統(tǒng)的結(jié)構(gòu)示意圖。智能視頻運(yùn)維管理系統(tǒng)包括：數(shù)據(jù)采集單元，用于采集視頻運(yùn)行數(shù)據(jù)。視頻運(yùn)維數(shù)據(jù)主要是指為大視頻業(yè)務(wù)智能運(yùn)維采集的數(shù)據(jù)，包括IP攝像機(jī)、DVR、卡口設(shè)備、iptv等終端的播放記錄和關(guān)鍵性能指標(biāo)（kpi）數(shù)據(jù)；接入網(wǎng)絡(luò)的用戶寬帶信息、資源拓?fù)鋽?shù)據(jù)； CDN錯(cuò)誤日志、告警、鏈接狀態(tài)、流信息等； iptv企業(yè)賬號(hào)、頻道/節(jié)目信息等

16.數(shù)據(jù)采集單元優(yōu)選采用kafka、文件傳輸協(xié)議（ftp）、超文本傳輸??協(xié)議（http）等組件進(jìn)行數(shù)據(jù)采集。

17.視頻運(yùn)維數(shù)據(jù)預(yù)處理單元用于對(duì)各種異構(gòu)日志數(shù)據(jù)進(jìn)行解析、轉(zhuǎn)換、歸約，在數(shù)據(jù)使用前完成必要的處理和數(shù)據(jù)質(zhì)量保證。上述預(yù)處理操作可以采用現(xiàn)有技術(shù)中的預(yù)處理方法，在此不再贅述。

18.轉(zhuǎn)換分類單元用于對(duì)視頻運(yùn)維數(shù)據(jù)預(yù)處理單元預(yù)處理后的視頻運(yùn)維數(shù)據(jù)進(jìn)行分類。

19.變換分類單元在大數(shù)據(jù)的分類適配過(guò)程中采用分類模型進(jìn)行分類識(shí)別。

20. 優(yōu)選地，使用向量分類模型進(jìn)行分類識(shí)別，向量分類模型是在特征空間上定義的最大區(qū)間的線性分類器。對(duì)于一個(gè)n維線性可分的數(shù)據(jù)集it運(yùn)維技術(shù)，有n-1維對(duì)象對(duì)數(shù)據(jù)進(jìn)行分離，將這個(gè)n-1維對(duì)象定義為分離平面；從單個(gè)數(shù)據(jù)點(diǎn)到分離平面的距離定義為間隔；最靠近分離平面的點(diǎn)被定義為主向量。使用向量分類模型是為了求解能夠正確劃分訓(xùn)練集并具有最大集間隔的分離平面。為數(shù)據(jù)集找到間隔最大的分離平面意味著數(shù)據(jù)集被分類有足夠的置信度，這樣的分離平面具有更好的分類和預(yù)測(cè)能力。

21.向量分類模型會(huì)為輸入數(shù)據(jù)集u輸出一個(gè)類別標(biāo)簽。本發(fā)明利用單位階躍函數(shù)作用于u得到f(u)；當(dāng)u<0時(shí)，f(u)輸出-1，否則輸出+1，對(duì)應(yīng)系統(tǒng)運(yùn)維中的“風(fēng)險(xiǎn)”和“正常運(yùn)行”兩種狀態(tài)。

22.使用標(biāo)簽

·

(u) 表示從單個(gè)數(shù)據(jù)點(diǎn)到分割平面的函數(shù)區(qū)間，label

·

(u) · 表示單個(gè)數(shù)據(jù)點(diǎn)到分離平面的幾何間隔。

23.在向量分類模型中求u，即求其主向量。一旦找到具有最小間隔的數(shù)據(jù)點(diǎn)，則將間隔最大化。最大化函數(shù)可以寫(xiě)成：arg maxu{min(label

·

(u)

·

)};基于約束，將分離平面寫(xiě)成數(shù)據(jù)點(diǎn)的形式，優(yōu)化目標(biāo)函數(shù)為：

;約束為： 約束為： 其中m為數(shù)據(jù)點(diǎn)的個(gè)數(shù)，常數(shù)c1、c2為松弛變量，用于控制最大化區(qū)間，保證大部分點(diǎn)的函數(shù)區(qū)間權(quán)重兩個(gè)目標(biāo)的值小于1.0，通過(guò)調(diào)整這個(gè)參數(shù)的值可以得到不同的結(jié)果。

24.其次，通過(guò)序列最小優(yōu)化算法訓(xùn)練向量分類模型，將大優(yōu)化問(wèn)題分解為多個(gè)小優(yōu)化問(wèn)題進(jìn)行求解。求解后的結(jié)果完全等價(jià)于整體求解。

25.序列最小優(yōu)化算法是在每個(gè)循環(huán)中選擇兩個(gè)進(jìn)行優(yōu)化處理，如果確定了，也確定；這兩個(gè)必須在區(qū)間的外部或邊界上。

26.序列最小優(yōu)化算法的具體流程如圖2所示，包括： s1、創(chuàng)建并初始化一個(gè)o的向量進(jìn)行迭代； s2、判斷迭代次數(shù)是否小于最大值； s3、如果迭代次數(shù)小于最大值，遍歷數(shù)據(jù)集中的每個(gè)向量，進(jìn)行優(yōu)化處理。如果可以優(yōu)化向量，請(qǐng)輸入 s4。如果向量無(wú)法優(yōu)化，則遍歷下一個(gè)向量，重新優(yōu)化； s4、 隨機(jī)選擇另一個(gè)向量進(jìn)行優(yōu)化； s5、 如果兩個(gè)向量都不能優(yōu)化，增加迭代次數(shù)，返回s2；如果二，向量可以優(yōu)化，則進(jìn)入s6； s6、 同時(shí)優(yōu)化這兩個(gè)，向量；直到迭代次數(shù)不小于最大值。

27.數(shù)據(jù)存儲(chǔ)單元用于存儲(chǔ)經(jīng)過(guò)轉(zhuǎn)換分類單元分類適配后的數(shù)據(jù)。

28. 數(shù)據(jù)分析單元用于對(duì)經(jīng)過(guò)轉(zhuǎn)換分類單元分類適配后存儲(chǔ)在數(shù)據(jù)存儲(chǔ)單元中的數(shù)據(jù)進(jìn)行數(shù)據(jù)處理、分析和優(yōu)化，為視頻質(zhì)量提供數(shù)據(jù)支持評(píng)價(jià)單位。

29. 具體來(lái)說(shuō)，數(shù)據(jù)分析單元使用徑向基核函數(shù)進(jìn)行分析優(yōu)化，使用徑向基核函數(shù)將輸入數(shù)據(jù)x從輸入空間映射到特征空間，z表示特征空間參數(shù)的特征，徑向基核函數(shù)表示為：其中是一個(gè)可調(diào)參數(shù)，不同的值會(huì)使向量分類模型的主向量個(gè)數(shù)不同，影響向量分類模型的分類精度。利用上述徑向基核函數(shù)，我們將數(shù)據(jù)從輸入空間映射到更高維的特征空間進(jìn)行處理，大大提高了該算法的適用性。

30.數(shù)據(jù)分析單元優(yōu)選采用流計(jì)算處理框架、離線批處理框架、人工智能計(jì)算框架、數(shù)據(jù)存儲(chǔ)與檢索引擎等。數(shù)據(jù)的離線分析，包括但不包括僅限于故障和異常的根本原因分析、故障和特定規(guī)則閾值的動(dòng)態(tài)預(yù)測(cè)、事件依賴分析和相關(guān)性分析、異常和重要時(shí)間序列模式發(fā)現(xiàn)、多個(gè)事件的自動(dòng)分類等。

31.運(yùn)維質(zhì)量評(píng)價(jià)單元用于評(píng)價(jià)運(yùn)維數(shù)據(jù)的質(zhì)量。運(yùn)維數(shù)據(jù)質(zhì)量的評(píng)價(jià)指標(biāo)很多，本發(fā)明采用時(shí)序相關(guān)評(píng)價(jià)指標(biāo)sr和線性相關(guān)評(píng)價(jià)指標(biāo)pl的歸一化作為評(píng)價(jià)指標(biāo)。序列相關(guān)性評(píng)價(jià)指標(biāo)sr用于衡量運(yùn)維數(shù)據(jù)質(zhì)量預(yù)測(cè)結(jié)果的單調(diào)性，線性相關(guān)性評(píng)價(jià)指標(biāo)pl用于描述主客觀評(píng)價(jià)之間的線性相關(guān)性。準(zhǔn)確性。

32.線性相關(guān)評(píng)價(jià)指標(biāo)pl定義如下：；上式中，n代表運(yùn)維數(shù)據(jù)個(gè)數(shù)， ，分別代表第i個(gè)運(yùn)維數(shù)據(jù)的實(shí)際值和預(yù)測(cè)值，分別代表運(yùn)維數(shù)據(jù)實(shí)際值和預(yù)測(cè)值的平均值數(shù)據(jù)的價(jià)值；線性相關(guān)評(píng)價(jià)指標(biāo)pl在[-1, 1]范圍內(nèi)，絕對(duì)值越大越好。

[0033]

階相關(guān)評(píng)價(jià)指標(biāo)sr可以用來(lái)衡量線性相關(guān)評(píng)價(jià)算法預(yù)測(cè)結(jié)果的單調(diào)性，其計(jì)算公式為：其中 分別表示實(shí)際值和預(yù)測(cè)值序列中的排名位置。

[0034]

由于評(píng)價(jià)原則不同，不同方法預(yù)測(cè)的運(yùn)維數(shù)據(jù)質(zhì)量得分也不同。因此，將不同方法預(yù)測(cè)的質(zhì)量分?jǐn)?shù)映射到統(tǒng)一的評(píng)價(jià)標(biāo)準(zhǔn)，從而直觀地看到方法的性能效果。標(biāo)準(zhǔn)化不同的評(píng)價(jià)標(biāo)準(zhǔn)。

[0035]

歸一化評(píng)價(jià)指標(biāo)。通過(guò)對(duì)歸一化后的評(píng)價(jià)指標(biāo)的分析可以看出，每個(gè)評(píng)價(jià)指標(biāo)系數(shù)中pl、sr的值越接近1，視頻質(zhì)量評(píng)價(jià)方法的性能越好，而視頻質(zhì)量評(píng)價(jià)方法的性能越差。方法相反。

[0036]

業(yè)務(wù)應(yīng)用單元用于提供智能業(yè)務(wù)監(jiān)控、端到端故障定界定位、用戶體驗(yàn)感知、統(tǒng)計(jì)分析和報(bào)告等主要業(yè)務(wù)場(chǎng)景的分析應(yīng)用。運(yùn)維工程師根據(jù)業(yè)務(wù)應(yīng)用單元對(duì)系統(tǒng)中的用戶進(jìn)行操作，在用戶使用過(guò)程中發(fā)現(xiàn)的問(wèn)題可以對(duì)智能運(yùn)維系統(tǒng)的優(yōu)化起到積極的反饋?zhàn)饔谩?/p>

[0037]

本發(fā)明的基于大數(shù)據(jù)的智能視頻運(yùn)維管理系統(tǒng)，利用大數(shù)據(jù)技術(shù)，構(gòu)建基于大數(shù)據(jù)的處理平臺(tái)，實(shí)現(xiàn)數(shù)據(jù)的采集、聚合、建模、分析和呈現(xiàn)，實(shí)現(xiàn)全面的實(shí)視頻質(zhì)量和數(shù)據(jù)采集的時(shí)間監(jiān)控和控制。視頻質(zhì)量評(píng)價(jià)指標(biāo)和業(yè)務(wù)應(yīng)用單位建立基于用戶體驗(yàn)的視頻質(zhì)量評(píng)價(jià)體系，對(duì)視頻清晰度、流暢度、定格等多項(xiàng)用戶體驗(yàn)質(zhì)量指標(biāo)進(jìn)行分析。轉(zhuǎn)換分類單元和數(shù)據(jù)分析單元，成功將機(jī)器學(xué)習(xí)應(yīng)用于運(yùn)維，進(jìn)行數(shù)據(jù)分類、標(biāo)注、分析和應(yīng)用。標(biāo)注數(shù)據(jù)是指在日常運(yùn)維工作中會(huì)產(chǎn)生的標(biāo)注數(shù)據(jù)。大視頻系統(tǒng)本身?yè)碛泻Ａ咳罩?，包括?lái)自終端、網(wǎng)絡(luò)、業(yè)務(wù)系統(tǒng)的數(shù)據(jù)，并針對(duì)大數(shù)據(jù)系統(tǒng)的存儲(chǔ)進(jìn)行了優(yōu)化。

[0038]

在上述實(shí)施例中，可以全部或部分通過(guò)軟件、硬件、固件或其任意組合來(lái)實(shí)現(xiàn)

現(xiàn)在。當(dāng)以軟件實(shí)現(xiàn)時(shí)，它可以全部或部分以計(jì)算機(jī)程序產(chǎn)品的形式實(shí)現(xiàn)。該計(jì)算機(jī)程序產(chǎn)品包括一個(gè)或多個(gè)計(jì)算機(jī)指令。當(dāng)計(jì)算機(jī)程序指令被加載并在計(jì)算機(jī)上執(zhí)行時(shí)，根據(jù)本技術(shù)的實(shí)施例描述的過(guò)程或功能被全部或部分地產(chǎn)生。計(jì)算機(jī)可以是通用計(jì)算機(jī)、專用計(jì)算機(jī)、計(jì)算機(jī)網(wǎng)絡(luò)或其他可編程設(shè)備。計(jì)算機(jī)指令可以存儲(chǔ)在計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中或通過(guò)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)傳輸。計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)可以是可以由計(jì)算機(jī)或數(shù)據(jù)存儲(chǔ)設(shè)備訪問(wèn)的任何可用介質(zhì)，例如服務(wù)器、數(shù)據(jù)中心等，其包括一個(gè)或多個(gè)可用介質(zhì)的集成?？捎媒橘|(zhì)可以是磁介質(zhì)（例如，軟盤、硬盤、磁帶）、光學(xué)介質(zhì)（例如，dvd）或半導(dǎo)體介質(zhì)（例如，固態(tài)盤（SSD））等。

[0039]

以上僅為本技術(shù)的具體實(shí)施方式，但本技術(shù)的保護(hù)范圍不限于此。本領(lǐng)域技術(shù)人員可以很容易地想到各種等效修改或替換，均應(yīng)包含在本技術(shù)的保護(hù)范圍之內(nèi)。因此，本技術(shù)的保護(hù)范圍應(yīng)以權(quán)利要求的保護(hù)范圍為準(zhǔn)。