[发明专利]基于分位概要获取不确定数据集全局概率分布方法及装置

权利要求书

1.一种基于分位概要的获取不确定数据集全局概率分布方法，其特征在于，具体包括如下步骤：

步骤1：申请并初始化存放分位概要数据序列的存储空间；

申请一个有序元组序列T(n)＝T₀,T₁,T₂,…,T_s，用于存放所观察到的不确定数据的分位概要信息，初始化为空；序列中每个元组T_i＝(v_i,g_i,Δ_i)记录三个值：v_i用于存放已观察到的某个不确定数据中的点值，g_i和Δ_i则用于记录v_i在所观察到数据中的排位的下界和上界；申请变量v_min和v_max并初始化，分别用于记录所读入不确定数据的最小值和最大值；

步骤2：流式读入不确定数据，形成不确定数据流；

若不确定数据集为存放在本地存储设备中的静态数据集，则一个接一个地读入，形成数据流，输入概要数据生成模块；若从网络中以数据流传输到达，则直接输入概要数据生成模块；所形成的不确定数据流为一个序列其中每个不确定数据表示为取值区间[a_i,b_i]上的概率密度f_i(x)，且都有一个权值为w_i；

步骤3：为每一个读入的不确定数据生成概要数据，插入到分位概要数据列表T(n)中；

每当读入一个新的不确定数据假设概率密度为f_n(x)，x∈[a_n,b_n]，权值为w_n，首先利用当前已生成概要数据序列T(n)＝T₀,T₁,T₂,…,T_s记录的点值v₀,v₁,v₂,…,v_s，将不确定区间[a_n,b_n]分割为一系列邻接子区间SI＝{[a_n1,b_n1],(a_n2,b_n2],…,(a_nm,b_nm]}，即有b_nj＝a_j+1；接着从每个不确定子区间选择点值，为之生成新的元组并插入到T(n)中；对一个位于元组T_i和T_i+1之间的子区间[a_nj,b_nj]，从中选择点值和处理步骤如下：

步骤3.1：选择b_nj；

步骤3.2：如果T_i+1存在，从[a_nj,b_nj]选择一个最小值v_l，要满足执行操作更新T_i+1；为不确定数据集S^u的概率势；∈是用户给定用于指定分布误差的参数；

步骤3.3：重复以下操作，直到v_l≤a_nj；

步骤3.4：假设前一个选择的点值为v_h，从[a_nj,v_h]中选择一个最小值v_l，使得

步骤3.5：创建一个新元组

步骤3.6：如果T_i存在，将T_h插入到T_i之后，否则T_h插入到T(n)第一个位置；

步骤4：合并分位概要数据列表，减少内存开销；

步骤4.1：从第s-2个元组开始，倒序遍历元组列表T(n)；

步骤4.2：如果B(T_i)≤B(T_i+1)并且则更新T_i+1为

步骤4.3：删除T_i及T_i(*)元组序列；

其中，B(T_i)＝α为元组T_i的分级值，满足：

2^α-1+2∈PC(S^u)mod2^α-12∈PC(S^u)-Δ_i≤2^α+2∈PC(S^u)mod2^α

T_i(*)为位于T_i之前且分级值小于B(T_i)的最长连续元组序列；为的T_i(*)中各元组g值之和；

步骤5：通过分位查询将分位概要数据转换为频率分布直方图；

分位查询操作：对用户给定参数φ的分位查询，在T(n)找到满足且的元组T_i，返回v_i作为查询结果；

步骤5.1：执行φ＝0,1/M,2/M,…,M/M的M+1个分位查询，其中M为用户指定参数；

步骤5.2：对所有相邻查询结果v_l和v_h，执行以下操作：

步骤5.3：以线段v_l v_h作为直方图小矩形的底边；

步骤5.4：计算小矩形的高为