[发明专利]一种医药行业大数据存储及智能匹配方法

说明书

本发明涉及数据处理领域，具体涉及一种医药行业大数据存储及智能匹配方法，包括：采集数据；对数据分组；根据各组的数据与组中所有数据的均值的差异得到基准块的选择系数；根据数据获取每个数据出现的频率；根据每个数据的频率和数值得到每个数据的可信度参数；根据各组的每个数据的可信度参数和组中所有数据的可信度参数的均值得到第一基准块选择参数；根据每组中数据的均值与待压缩数据之间的差异得到第二基准块选择参数；根据基准块的选择系数、第一基准块选择参数和第二基准块选择参数得到最优基准块；根据最优基准块对血糖数据进行压缩。本发明用数据处理方式对每组数据进行分析处理，得到最优基准块，提高数据的压缩存储。

技术领域

本发明涉及数据处理技术领域，具体涉及一种医药行业大数据存储及智能匹配方法。

背景技术

医药行业是一个信息密集型行业，涉及到大量的患者数据、临床试验数据、药物研发数据等。这些数据的存储和处理需要大量的存储空间和计算资源。因此，对于医药行业来说，大数据的压缩具有重要的意义。医药行业大数据中血糖数据的压缩对于提高数据处理效率和降低存储成本非常重要。首先，血糖数据的压缩可以减少数据的存储空间。血糖数据通常是以时间序列的形式记录的，包含大量的测量值。通过压缩这些数据，可以减少存储所需的空间，降低存储成本。其次，血糖数据的压缩可以提高数据处理的效率，通过压缩数据，可以减少数据的大小，提高数据处理的速度和效率。压缩后的数据文件更小，传输速度更快，可以更方便地在不同的系统和平台之间共享和交换数据。

现有血糖数据压缩的方法为增量压缩编码，使用增量压缩编码可以利用数据的连续性，将相邻时间点的血糖值差异进行压缩存储，减少数据的冗余性，且只传输压缩后的增量数据，而不是传输所有的原始数据，可以提高数据传输的效率。但增量压缩编码对数据的变化非常敏感，如果数据发生了较大的变化，之前的压缩字典可能无法有效地压缩新的数据，导致压缩效果下降，由于每一个都是基于前一个的差异进行编码的，如果前一个的数据出现错误或丢失，那么后续的数据也会受到影响，导致累积误差，且增量差分编码压缩对数据的分布敏感，如果数据的分布不均匀或存在大的波动，将会导致差异值的大小变化较大，从而降低压缩效果。

发明内容

本发明提供一种医药行业大数据存储及智能匹配方法，以解决现有的问题。

本发明的一种医药行业大数据存储及智能匹配方法采用如下技术方案：

本发明一个实施例提供了一种医药行业大数据存储及智能匹配方法，该方法包括以下步骤：

采集血糖数据；

根据预设分组长度范围内的不同分组长度对血糖数据进行分组；

根据分组长度m，将组内数据的数量小于m-1的分组记为目标组，将组内数据的数量等于m的分组记为满分组；

根据各个分组中数据的分布差异得到不同分组长度下基准块的选择系数；

根据每个数据的频率和数值得到每个数据的可信度参数；

根据各个分组中的所有数据的可信度参数的差异得到不同分组长度下的第一基准块选择参数；

将各个分组中最后一个数据记为待压缩数据，将各个分组中除过待压缩数据之外的所有数据记为目标数据；

根据每个分组中目标数据的均值与待压缩数据的差异得到不同分组长度下的第二基准块选择参数；

根据基准块的选择系数、第一基准块选择参数和第二基准块选择参数得到最优基准块；

根据最优基准块对血糖数据进行压缩，对压缩后的数据进行存储。

进一步地，所述分组长度下的基准块选择系数，包括的具体步骤如下：

分组长度m下基准块的选择系数的公式为：

式中，表示第n个目标组中的第i个数据，表示第n个目标组中所有数据的平均值，n表示第n个目标组中的数据个数，m表示分组长度，M表示总的数据个数，表示第N个满分组中的第j个数据，表示第N个满分组中的所有数据的均值，表示分组长度m下基准块的选择系数，表示满分组的组的数量。