1.一种使用视频业务的平均意见分均值特征的流分类方法，其特征在于，所述方法包括如下步骤：步骤1：数据集预处理和特征提取：

1.1)通过网络封包分析软件抓取所需网络中的视频数据流，将抓取的原始数据流保存成标准文本格式；

1.2)对原始的视频数据流进行大量的流量统计特征计算，使用CON-GR特征选择方法选出信息增益率最大的特征，即下行字节速率；

步骤2：计算三种视频业务MOS的PDF均值特征：

2.1)将预处理之后的原始数据集截断；

2.2)模拟视频播放原理，将截断之后的数据集作为模拟播放的输入，统计每一条流的特定参数；

2.3)根据步骤2.2中统计出来的参数计算截断数据集中每条视频流基于ITU-TP.1201标准下的MOS值；

2.4)将MOS值进行等份，统计落在每个等份中MOS值的个数，得到原始视频数据集每条视频流的MOS值PDF，计算均值特征；

步骤3：SVM分类：

3.1)将每条视频流的均值特征结合下行字节速率，定义为最优特征子集；

3.2)将特征子集有监督离散化，使用基于SVM十折交叉验证法进行流识别与分类。

2.根据权利要求1所述的一种使用视频业务的平均意见分均值特征的流分类方法，其特征在于：所述CON-GR特征选择方法的基本步骤是先用CON特征选择方法剔除无关特征，然后计算剩余特征和类别之间的信息增益率GR，并降序排列。

3.根据权利要求1所述的一种使用视频业务的平均意见分均值特征的流分类方法，其特征在于：所述标准文本格式包括包到达时间、源IP地址、目的IP地址、协议类型、数据包大小五列原始信息。

4.根据权利要求1所述的一种使用视频业务的平均意见分均值特征的流分类方法，其特征在于步骤2.2中的所述特定参数包括播放中断次数，平均播放中断时间，初始缓冲时间，视频码率。

5.根据权利要求1所述的一种使用视频业务的平均意见分均值特征的流分类方法，其特征在于步骤2.4中所述等份为将MOS值进行20等份。

6.根据权利要求1所述的一种使用视频业务的平均意见分均值特征的流分类方法，其特征在于所述网络封包分析软件为WireShark。