[发明专利]一种基于改进的水塘抽样的大数据集多遍随机抽样方法有效
| 申请号： | 201611203570.6 | 申请日： | 2016-12-23 |
| 公开（公告）号： | CN106649723B | 公开（公告）日： | 2020-09-18 |
| 发明（设计）人： | 许卓明 | 申请（专利权）人： | 河海大学 |
| 主分类号： | G06F16/2458 | 分类号： | G06F16/2458 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 肖明芳 |
| 地址： | 210000 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 提供一种基于改进的水塘抽样的大数据集多遍随机抽样方法，包括步骤：打开含n个数据记录的大数据集文件以便能从中读取数据记录，输入用于随机抽样的水塘的大小k，并为水塘分配正好能容纳k个数据记录的内存空间，输入随机抽样的遍数m，要求满足k*mn；创建并打开小数据集文件以便能在其中写入已抽样到的数据记录；将大数据集文件中所有数据记录均初始化地标记为“未被抽样的”；重复进行m遍随机抽样，在每遍随机抽样过程中，利用水塘从大数据集文件中随机抽取k个“未被抽样的”数据记录，并将它们添加至小数据集文件，同时将它们标记为“已被抽样的”；关闭上述大、小数据集文件，完成多遍随机抽样过程。该方法简单易行，应用前景广阔。 | ||
| 搜索关键词： | 一种 基于 改进 水塘 抽样 数据 集多遍 随机 方法 | ||
【主权项】：
一种基于改进的水塘抽样的大数据集多遍随机抽样方法，包括下列步骤：步骤S1：打开含n个数据记录的大数据集文件以便能从中读取数据记录，输入用于随机抽样的内存区域即水塘的大小k，并为水塘分配正好能容纳k个数据记录的内存空间，输入随机抽样的遍数m，要求满足k与m的乘积小于n，即k*m<n；步骤S2：创建并打开小数据集文件以便能在其中写入已抽样到的数据记录；步骤S3：将大数据集文件中所有数据记录均初始化地标记为“未被抽样的”；步骤S4：重复进行m遍随机抽样，在每遍随机抽样过程中，利用水塘从大数据集文件中随机抽取k个“未被抽样的”数据记录，并将它们添加至小数据集文件，同时将它们标记为“已被抽样的”；步骤S5：关闭上述大、小数据集文件，完成多遍随机抽样过程。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于河海大学，未经河海大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201611203570.6/，转载请声明来源钻瓜专利网。
- 上一篇：一种监控系统高频数据的存储及查询方法
- 下一篇：信息显示方法、装置及用户终端
