随着互联网和流媒体技术的发展,网络视频业务在网络流量中所占的比例不断攀升。网络视频业务分类能够帮助ISP(Internet Service Provider)依据不同视频业务的QoS(Quality of Service)需求等级分配不同的网络资源,从而更合理地规划网络,提高网络资源利用率。本文针对7种典型的网络视频业务(标清、高清、超清的Web视频,QQ视频,网络直播视频,P2P客户端视频以及Http下载视频)的分类方法进行了分析、实验和研究。其主要研究工作如下:提出一种结合一致性和相关性的CON-GR(Consistency Feature Selection-Gain Ratio)特征选择方法,先采用CON特征选择快速滤除对分类无用的QoS相关特征,然后对剩余特征依据信息增益率GR降序排列,结合分类器选出最优特征子集。将该方法与另外三种特征选择方法对比,实验结果显示,该方法能在保证相当正确率的前提下有效降低特征维数,减少分类器训练的时间及运算量。此外,详细分析了三种清晰度Web视频业务的特征区别,Web视频业务和网络直播视频业务的特征区别。设计了一种改进的两层SVM(Support Vector Machine)分类器,实现了对网络视频业务的细粒度分类。第一层为M个并行的二进制SVM分类器,第二层为传统的M-类SVM分类器。由于第一层的引入,使得该分类器较其他分类器而言,更能针对性地选出每种视频业务区别于其他业务的特征,而无需将所有视频业务都区分开。此外,第二层M-类分类器的输入特征并非第一层所有特征的叠加,而是对所有视频业务CON-GR特征选择的结果。有约10%的数据进入第二层分类器,说明两层分类器系统对业务细分的必要性。实验结果显示,该分类器设计能有效提高网络视频业务分类的整体正确率。此外,验证了该方法对短时流网络视频业务识别也有一定的应用潜力。