(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211029674.5 (22)申请日 2022.08.26 (71)申请人 哈尔滨工业大 学 （深圳） 地址 518000 广东省深圳市南 山区桃源街 道深圳大 学城哈尔滨工业大 学校区 (72)发明人 付希明　刘川意　韩培义　庄荣飞　 (74)专利代理 机构 深圳市添源创鑫知识产权代 理有限公司 4 4855 专利代理师 覃迎峰 (51)Int.Cl. G06F 30/20(2020.01) G06F 40/18(2020.01) (54)发明名称 针对表格数据的仿真数据生成方法、 装置及 电子设备 (57)摘要 本发明公开了一种针对表格数据的仿真数 据生成方法、 装置及电子设备， 所述方法包括： 获 取累计分布表及逆累计分布表； 根据累计分布表 对原始数据做变换， 获取变换后每一列均值和列 协方差矩阵； 根据获取每一列均值和列协方差矩 阵生成联合高斯分布数据， 最后通过查逆累计分 布表仿真数据生成。 本发明针对表格数据的仿真 数据生成， 适用于集中场景和分布式场景， 生成 仿真数据技术效率高， 所需时间短， 同时， 在分布 式情况下的生成数据质量高， 尤其是联邦情况和 非平衡情况下的仿真数据质量仍然能够满足下 游任务和数据探索的需求。 权利要求书3页 说明书9页 附图3页 CN 115455668 A 2022.12.09 CN 115455668 A 1.一种针对表格数据的仿真数据生成方法， 在集中场景下， 针对 m行n列的原始表格数 据， 表示第i行第 列位置的数据， 表示第 列数据， 其特征在于， 所述方法包括以下 步骤： 获取累计分布表及逆累计分布表： 将每一列数据 进行区间划分， 统计每一个区间内 的数据的个数， 计算得到每个区间 h的概率 ， 即数据 中的元素取值在第 h个区间内的概 率为 ， 根据概率 得到第 列累计分布表 的值 ， 其中 ， 根据第 列累 计分布表的值 生成第 列的逆累计分布 表 ； 获取每一列均值和列协方差矩阵： 对每一列数据 ， 根据累计分布表 变换得到数据 ， 令 为 第i行位置的数据， ， 其中 为高斯分布的逆累计分布函 数， 表示查累计分布表， 每一列的均值 为： ， 令 ， 根据 得到 列协方差矩阵 为： ； 生成联合高斯分布数据： 从均值为 ， 协方差为 的联合高斯分布 中采样得到 联合高斯分布数据 ； 仿真数据生成：  对每一列 查询逆累计分布表， 具体为： 记第 i行第 列位置的仿真数 据为 ， ， 表示查逆累计分布表， 为高斯分布的累计分布函数， 得到的 为生成的仿真数据。 2.根据权利要求1所述的针对表格数据的仿真数据生成方法， 其特征在于， 所述逆累计 分布表 的取值是累计分布 表 的概率值对应区间内的任意 一个值。 3.根据权利要求1所述的针对表格数据的仿真数据生成方法， 其特征在于， 所述生成联 合高斯分布数据的替代方法如下： 采用标准 正态分布独立 地从高斯分布采样得到 ， 每个元素  ； 对 做变换 仿射得 到 列之间 有关 联关 系的 联 合高 斯分 布数 据 ， 其中 通过Cholesky分解 得到。 4.一种针对表格数据的仿真数据生成方法， 在分布式场景下， 有 个数据节点， 第 个数 据节点持有 行数据， 总共有 行数据， 每一行数据有 列， 第 个数据节点的第 i行 第 列数据记为 ， 其特征在于， 所述方法包括以下步骤： 获取累计分布表及逆累计分布表： 统计每个数据节点 中离散列 的取值为 a的个数为 ， 汇聚 个数据节点， 得到 列取值为 a的个数为 ， 得到全局概率分布 ， 根据全局概率分布 得到累计分布表 ， 其中 ， 根据累计分布表生成对应 的逆累计分布 表 ； 获取全局每一列均值和列协方差矩阵： 对每一列数据 ， 根据累计分布表 得到数据 ， 令 为 第i行位置的数据， ， 其中 为高斯分布的逆累计分布函权　利　要　求　书 1/3 页 2 CN 115455668 A 2数， 表示查累计分布表， 每个节点 在本地计算 和 ， 并同步进行汇 聚， 其中 表示节点 的 ， 令 ， 得到全局每一列均值 ， 列协方差矩阵 的元 素 ； 生成联合高斯分布数据： 从均值为 ， 协方差为 的联合高斯分布 中采样得到 联合高斯分布数据 ； 仿真数据生成：  对每一列 查询逆累计分布表， 具体为： 记第 i行第 列位置的仿真数 据为 ， ， 表示查逆累计分布表， 为高斯分布的累计分布函数， 得到的 为生成的仿真数据。 5.根据权利要求4所述的针对表格数据的仿真数据生成方法， 其特征在于， 所述生成联 合高斯分布数据的替代方法如下： 采用标准 正态分布独立 地从高斯分布采样得到 ， 每个元素  ； 对 做变换 仿射得 到 列之间 有关 联关 系的 联 合高 斯分 布数 据 ， 其中 通过Cholesky分解 得到。 6.一种针对表格数据的仿真数据生成装置， 所述装置运行在集中场景下， 针对 m行n列 的原始表格数据， 表示第i行第 列位置的数据， 表示第 列数据， 其特征在于， 所述 装置包括： 获取累计分布表及逆累计分布表单元， 用于将每一列数据 进行区间划分， 统计每一 个区间内的数据的个数， 计算得到每个区间 h的概率 ， 即数据 中的元素取值在第 h个区 间内的概率为 ， 根据概率 得到第 列累计分布表 的值 ， 其中 ， 根 据第 列累计分布 表的值 生成第 列的逆累计分布 表 ； 获取每一列均值和列协方差矩阵单元， 用于对每一列数据 ， 根据累计分布表 变换 得到数据 ， 令 为 第i行位置的数据， ， 其中 为高斯分布的逆累 计分布函数， 表示查累计分布表， 每一列的均值 为： ， 令 ， 根 据 得到列协方差矩阵 为： ； 生成联合高斯分布数据单元， 用于从均值为 ， 协方差为 的联合高斯分布 中 采样得到联合高斯分布数据 ； 仿真数据生成单元， 用于对每一列 查询逆累计分布表， 具体为： 记第 i行第 列位置的 仿真数据为 ， ， 表示查逆累计分布表， 为高斯分布的累计分布函数， 得到的 为生成的仿真数据。 7.根据权利要求6所述的针对表格数据的仿真数据生成装置， 其特征在于， 所述生成联 合高斯分布数据单 元的另一种实现方法为： 采用标准 正态分布独立 地从高斯分布采样得到 ， 每个元素  ； 对 做变换 仿射得 到 列之间 有关 联关 系的 联 合高 斯分 布数 据权　利　要　求　书 2/3 页 3 CN 115455668 A 3