[發明專利]針對表格數據的仿真數據生成方法、裝置及電子設備

有效

• 申請號: 202211029674.5
• 申請日: 2022-08-26
• 公開（公告）號: CN115455668B
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 付希明;劉川意;韓培義;莊榮飛
• 申請（專利權）人: 哈爾濱工業大學（深圳）
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F40/18
• 代理公司: 深圳市添源創鑫知識產權代理有限公司 44855
• 代理人: 覃迎峰

1.一種針對表格數據的仿真數據生成方法，在集中場景下，針對m行n列的原始表格數據，表示第i行第列位置的數據，表示第列數據，其特征在于，所述方法包括以下步驟：

獲取累計分布表及逆累計分布表：將每一列數據進行區間劃分，統計每一個區間內的數據的個數，計算得到每個區間h的概率，即數據中的元素取值在第h個區間內的概率為，根據概率得到第列累計分布表的值，其中，根據第列累計分布表的值生成第列的逆累計分布表；

獲取每一列均值和列協方差矩陣：對每一列數據，根據累計分布表變換得到數據，令為第i行位置的數據，，其中為高斯分布的逆累計分布函數，表示查累計分布表，每一列的均值為：，令，根據得到列協方差矩陣為：

；

生成聯合高斯分布數據：從均值為，協方差為的聯合高斯分布中采樣得到聯合高斯分布數據；

仿真數據生成：?對每一列查詢逆累計分布表，具體為：記第i行第列位置的仿真數據為，，表示查逆累計分布表，為高斯分布的累計分布函數，得到的為生成的仿真數據。

2.根據權利要求1所述的針對表格數據的仿真數據生成方法，其特征在于，所述逆累計分布表的取值是累計分布表的概率值對應區間內的任意一個值。

3.根據權利要求1所述的針對表格數據的仿真數據生成方法，其特征在于，所述生成聯合高斯分布數據的替代方法如下：

采用標準正態分布獨立地從高斯分布采樣得到，每個元素?；

對做變換仿射得到列之間有關聯關系的聯合高斯分布數據，其中通過Cholesky分解得到。

4.一種針對表格數據的仿真數據生成方法，在分布式場景下，有個數據節點，第個數據節點持有行數據，總共有行數據，每一行數據有列，第個數據節點的第i行第列數據記為，其特征在于，所述方法包括以下步驟：

獲取累計分布表及逆累計分布表：統計每個數據節點中離散列的取值為a的個數為，匯聚個數據節點，得到列取值為a的個數為，得到全局概率分布，根據全局概率分布得到累計分布表，其中，根據累計分布表生成對應的逆累計分布表；

獲取全局每一列均值和列協方差矩陣：對每一列數據，根據累計分布表得到數據，令為第i行位置的數據，，其中為高斯分布的逆累計分布函數，表示查累計分布表，每個節點在本地計算和，并同步進行匯聚，其中表示節點的，令，得到全局每一列均值，列協方差矩陣的元素；

生成聯合高斯分布數據：從均值為，協方差為的聯合高斯分布中采樣得到聯合高斯分布數據；

仿真數據生成：?對每一列查詢逆累計分布表，具體為：記第i行第列位置的仿真數據為，，表示查逆累計分布表，為高斯分布的累計分布函數，得到的為生成的仿真數據。

5.根據權利要求4所述的針對表格數據的仿真數據生成方法，其特征在于，所述生成聯合高斯分布數據的替代方法如下：

采用標準正態分布獨立地從高斯分布采樣得到，每個元素?；

對做變換仿射得到列之間有關聯關系的聯合高斯分布數據，其中通過Cholesky分解得到。