System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及医疗保健信息存储,具体涉及一种心理测评数据存储方法及系统。
技术介绍
1、心理测评数据通常包括多个方面,例如包括使用者的心理健康、认知能力、情感状态、人格特质、职业倾向、学习能力等其他方面。使用旋转门压缩算法对其进行压缩处理,能够减少数据的存储大小,降低存储空间的需求,从而减少存储成本,同时可以降低数据的细节度,保护用户的隐私信息。
2、将不同维度的心理测评数据使用旋转门压缩算法进行压缩处理时,因为心理数据在不同维度之间的关联性较强的特点,任意维度的数据发生变化时,其他维度的数据也可能受到影响而发生变化,导致数据变化速度较快,最终使得旋转门压缩算法的压缩效率较低。
技术实现思路
1、为了解决旋转门压缩算法处理心理评测数据性能不理想的技术问题,本专利技术的目的在于提供一种心理测评数据存储方法及系统,所采用的技术方案具体如下:
2、一种心理测评数据存储方法,所述方法包括:
3、获取多维的心理评测数据;根据预设区域长度参数,对每个维度的所述心理测评数据进行分割,获得每个维度的区域心理评测数据;
4、根据每个维度的每个所述区域心理评测数据内数据的变化特征,获取每个维度的每个所述区域心理评测数据的区域突变程度;根据不同维度的相同位置的所述区域心理评测数据变化特征的相似性,获取每个维度的每个所述区域心理评测数据的关联程度;
5、根据每个所述区域心理评测数据的所述区域突变程度和所述关联程度,结合预设损失参数,获取每个所述区
6、将压缩后的所述心理评测数据进行存储。
7、进一步地,所述区域突变程度的获取方法包括:
8、以每个数据点为中心,以预设邻域参数获取每个数据点的局部邻域;分析每个数据点的所述局部邻域内数据的波动特征,获取每个数据点的局部突变程度;
9、根据每个维度的每个所述区域心理评测数据内,所有数据点的所述局部突变程度的统计特征,获取每个维度的每个所述区域心理评测数据的区域突变程度。
10、进一步地,所述局部突变程度的获取方法包括:
11、在每个数据点为中心的局部邻域内,依次分别从中心数据点两侧对称位置选取两个数据,作为对比数据组;所述对比数据组中,数据序号最小的为左侧对比数据,另一个为右侧对比数据;将每个所述对比数据组中的所述左侧对比数据与中心数据点的差值绝对值作为分子,将每个所述对比数据组中的所述右侧对比数据与中心数据点的差值绝对值作为分母,比值作为每个数据点与每个所述对比数据组对应的波动特征值;
12、根据所述波动特征值的偏离特征,获取每个数据点的局部突变程度。
13、进一步地,所述局部突变程度的获取方法包括:
14、在每个数据点为中心的局部邻域内,将每个所述波动特征值与预设第一常数的差值绝对值,作为每个所述波动特征值的偏离参数,将所有所述偏离参数的和值作为每个数据点的局部突变程度。
15、进一步地,所述区域突变程度的获取方法包括:
16、将每个维度的每个所述区域心理评测数据内,所有数据点的所述局部突变程度的和值归一化后,作为每个维度的每个所述区域心理评测数据的区域突变程度。
17、进一步地,所述关联程度的获取方法包括:
18、获取所述心理评测数据中每个数据点的斜率;根据每个所述区域心理评测数据内每个数据点的斜率与其他维度下,相同位置的数据点的斜率之间的关联特征,获取每个维度的每个所述区域心理评测数据的关联程度。
19、进一步地,所述关联程度的获取方法包括:
20、根据关联程度计算公式获取每个维度的每个所述区域心理评测数据的关联程度;所述关联程度计算公式包括:
21、;其中,表示维度的序号;表示区域心理评测数据的序号;表示第维度的第个区域心理评测数据的关联程度;表示标准归一化函数;为自然数;表示除去第个维度之外,其余维度的数量;表示除去第个维度之外,其余维度的序号;表示函数;表示区域心理评测数据内数据的序号;表示区域心理评测数据内数据的数量;表示第维度的第个区域心理评测数据的第个数据点的斜率;表示第维度的第个区域心理评测数据的第个数据点的斜率。
22、进一步地,所述损失容许参数的获取方法包括:
23、当所述区域心理评测数据的所述区域突变程度大于等于预设重要区域筛选参数时,对应的所述区域心理评测数据的损失容许参数为预设第二常数;
24、当所述区域心理评测数据的所述区域突变程度小于预设重要区域筛选参数时,将对应的所述区域心理评测数据标记为待分析区域心理评测数据;根据所述待分析区域心理评测数据的所述区域突变程度和所述关联程度,结合预设损失参数,获取每个所述待分析区域心理评测数据的损失容许参数;所述区域突变程度与所述损失容许参数负相关;所述关联程度所述与所述损失容许参数正相关。
25、进一步地,所述待分析区域心理评测数据的损失容许参数的获取方法包括:
26、将每个所述待分析区域心理评测数据的所述关联程度作为分子,将所述区域突变程度作为分母,将比值归一化后与预设损失参数相乘,乘积作为每个待分析区域心理评测数据的损失容许参数。
27、本专利技术还提出了一种心理测评数据存储系统,所述系统包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现任意一项所述一种心理测评数据存储方法的步骤。
28、本专利技术具有如下有益效果:
29、本专利技术首先获取多维的心理评测数据,为后续分析步骤提供数据基础;进一步对每个维度的心理测评数据进行分割,有利于更准确的分析心理评测数据的局部特征,最终获取更准确的损失容许参数,进行更精准地数据压缩,降低存储空间的同时提高存储效果;进一步根据每个维度的每个区域心理评测数据内数据的变化特征,利用数据的变化的剧烈程度能够反映出心理测评者心理状态波动的剧烈程度的特点,获取每个维度的每个区域心理评测数据的区域突变程度,用于代表区域心理测评数据对于测评者的重要程度,为后续计算损失容许程度提供依据,减少重要数据损失;进一步基于高度相关的维度之间存在着更多的信息重叠和冗余的特点,根据不同维度的相同位置的区域心理评测数据变化特征的相似性,获取每个维度的每个区域心理评测数据的关联程度,为后续心理测评数据的损失容许程度进行度量提供更多依据;进一步根据每个区域心理评测数据的区域突变程度和关联程度,综合每个区域心理评测数据的重要性和关联性,并通过预设损失参数控制数据的损失程度,获取每个区域心理评测数据的损失容许参数,为后续压缩心理评测数据提供依据,同时提高心理评测数据储存方法的适应性;最后根据每个区域心理评测数据的损失容许参数,利用旋转门压缩算法对每个维度的每个区域心理评测数据进行压缩,将压缩后的心理本文档来自技高网...
【技术保护点】
1.一种心理测评数据存储方法,其特征在于,所述方法包括:
2.根据权利要求1所述的一种心理测评数据存储方法,其特征在于,所述区域突变程度的获取方法包括:
3.根据权利要求2所述的一种心理测评数据存储方法,其特征在于,所述局部突变程度的获取方法包括:
4.根据权利要求3所述的一种心理测评数据存储方法,其特征在于,所述局部突变程度的获取方法包括:
5.根据权利要求2所述的一种心理测评数据存储方法,其特征在于,所述区域突变程度的获取方法包括:
6.根据权利要求1所述的一种心理测评数据存储方法,其特征在于,所述关联程度的获取方法包括:
7.根据权利要求6所述的一种心理测评数据存储方法,其特征在于,所述关联程度的获取方法包括:
8.根据权利要求1所述的一种心理测评数据存储方法,其特征在于,所述损失容许参数的获取方法包括:
9.根据权利要求8所述的一种心理测评数据存储方法,其特征在于,所述待分析区域心理评测数据的损失容许参数的获取方法包括:
10.一种心理测评数据存储系统,所述系统包括
...【技术特征摘要】
1.一种心理测评数据存储方法,其特征在于,所述方法包括:
2.根据权利要求1所述的一种心理测评数据存储方法,其特征在于,所述区域突变程度的获取方法包括:
3.根据权利要求2所述的一种心理测评数据存储方法,其特征在于,所述局部突变程度的获取方法包括:
4.根据权利要求3所述的一种心理测评数据存储方法,其特征在于,所述局部突变程度的获取方法包括:
5.根据权利要求2所述的一种心理测评数据存储方法,其特征在于,所述区域突变程度的获取方法包括:
6.根据权利要求1所述的一种心理测评数据存储方法,其特征在于,所述关联程度的获取方法...
【专利技术属性】
技术研发人员:林健,
申请(专利权)人:光大宏远天津技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。