您好,登錄后才能下訂單哦!
只怪 博主智商無(wú)下限,花了一個(gè)周末終于把系數(shù)矩陣的壓縮存儲(chǔ)及其轉(zhuǎn)置給弄明白了,所以今天就和大家分享一下我的學(xué)習(xí)過(guò)程啦?。?!
稀疏矩陣是指矩陣中大多數(shù)元素為零的矩陣,從直觀上講,非零元素的個(gè)數(shù)低于總元素的30%時(shí),這樣的矩陣稱為稀疏矩陣。
1.稀疏矩陣的三元組組表示法
對(duì)于稀疏矩陣的壓縮存儲(chǔ),采取只存儲(chǔ)非零元素的方法,由于稀疏矩陣中非零元素的分布沒(méi)有規(guī)律,所以呢???在存儲(chǔ)非零元素的時(shí)候必須給每個(gè)元素做個(gè)標(biāo)記(非零元素在矩陣中所處的行號(hào)和列號(hào))。
//稀疏矩陣三元組表類型的定義 struct Triple { T _value; size_t _row; size_t _col; Triple(size_t row=0,size_t col=0,const T& value=T()) :_value(value) ,_row(row) ,_col(col) {} };
(1)Triple是包含三個(gè)域的結(jié)構(gòu)體類型,其元素是為了存儲(chǔ)非零元的三元組
2.稀疏矩陣的壓縮存儲(chǔ)
就上圖給出的矩陣而言,運(yùn)用三元組壓縮存儲(chǔ)的方法存儲(chǔ)后的結(jié)果是醬紫滴
源代碼是醬紫滴:
//用三元組表示實(shí)現(xiàn)稀疏矩陣的壓縮存儲(chǔ) SpareMatrix(T* a,size_t m,size_t n,const T& invalid) :_rowsize(m) ,_colsize(n) ,_invalid(invalid) { for(size_t i=0;i<m;i++) { for(size_t j=0;j<n;j++) { if(a[i*n+j]!=invalid) { _a.push_back(Triple<T>(i,j,a[i*n+j])); } } } }
3.稀疏矩陣的列序遞增轉(zhuǎn)置法
采用被轉(zhuǎn)置矩陣按照列序遞增的的順序進(jìn)行轉(zhuǎn)置,并依此將將其送入轉(zhuǎn)置后的三元組表中,這樣子的話轉(zhuǎn)置后的三元組表恰好是以行序號(hào)為主的哦 。
具體做法:
(1)找出轉(zhuǎn)置后的第一行元素:第一遍從頭至尾掃描三元組表,找出所有_col為1的三元組,轉(zhuǎn)置后按順序放到開(kāi)辟好新的三元組表中
(2)找出轉(zhuǎn)置后的第二行元素:第一遍從頭至尾掃描三元組表,找出所有_col為2的三元組,轉(zhuǎn)置后按順序放到開(kāi)辟好新的三元組表中
源代碼是醬紫滴: //稀疏矩陣的轉(zhuǎn)置 SpareMatrix<T> Transport() { SpareMatrix<T> tmp; tmp._rowsize = _colsize; tmp._colsize = _rowsize; tmp._invalid=_invalid; //給構(gòu)建好的匿名對(duì)象開(kāi)辟空間,但是不改變size的大小,開(kāi)辟后初始化的值為原來(lái)的。 tmp._a.reserve(_a.size()); for(size_t i=0;i<_colsize;i++) { size_t index=0; for(index=0;index<_a.size();index++) { if(_a[index]._col==i) { Triple <T> tp; tp._row=_a[index]._col; tp._col=_a[index]._row; tp._value=_a[index]._value; tmp._a.push_back(tp); } } } return tmp; }
注釋:雖然構(gòu)建了一個(gè) SpareMatrix<T> tmp類型的對(duì)象但是并沒(méi)有給它開(kāi)辟和_a一樣大小的空間,所以要調(diào)用reserve或者resize兩個(gè)函數(shù)中任意一個(gè)即可,否則當(dāng)你在運(yùn)行程序的時(shí)候會(huì)奔潰哦,智商無(wú)下線的博主昨天就是犯了這個(gè)錯(cuò)誤,程序跑起來(lái)的時(shí)候,老是彈出這樣的框框:
最后調(diào)試了好久才發(fā)現(xiàn)問(wèn)題所在氣死寶寶啦,
算法分析:
算法主要耗費(fèi)在雙重循環(huán)中,其時(shí)間復(fù)雜度為o(_colsize*_a.size());
4.稀疏矩陣的一次定位快速轉(zhuǎn)置算法
算法思想:
(1)計(jì)算待轉(zhuǎn)置矩陣三元組表中每一列非零元素的個(gè)數(shù),即轉(zhuǎn)置后矩陣三元組表每一行中非零元素的個(gè)數(shù)。
(2)計(jì)算待轉(zhuǎn)置矩陣每一列中第一個(gè)非零元素三元組表中的具體位置。
源代碼是醬紫滴:
/稀疏矩陣的快速轉(zhuǎn)置 SpareMatrix<T> FastTransport() { SpareMatrix<T> tmp; tmp._rowsize = _colsize; tmp._colsize = _rowsize; tmp._invalid=_invalid; int* rowcounts=new int[tmp._rowsize]; int* rowstart=new int[tmp._rowsize]; memset(rowcounts,0,sizeof((int*)_colsize)); memset(rowstart,0,sizeof((int*)_colsize)); size_t index=0; //計(jì)算待轉(zhuǎn)置矩陣每一列非零元素的個(gè)數(shù) while(index<_a.size()) { rowcounts[_a[index]._col]++; index++; } //計(jì)算待轉(zhuǎn)置矩陣每一列第一個(gè)非零元素在三元組表中的位置 rowstart[0]=0; for(size_t i=1;i<_colsize;i++) { rowstart[i]=rowstart[i-1]+rowcounts[i-1]; } index=0; //給_a的匿名對(duì)象開(kāi)辟_a大小的空間 tmp._a.resize(_a.size()); while(index<_a.size()) {/* size_t rowindex=_a[index]._col;*/ int& start=rowstart[_a[index]._col]; Triple<T> tp; tp._value=_a[index]._value; tp._row=_a[index]._col; tp._col=_a[index]._row; tmp._a[start++]=tp; index++; } return tmp; }
算法分析:
一次定位快速轉(zhuǎn)置算法時(shí)間主要耗費(fèi)在三個(gè)并列的循環(huán)中,因而時(shí)間復(fù)雜度為o(_a.size+_colsize).
完整的源代碼:
//稀疏矩陣的壓縮存儲(chǔ) #include<iostream> #include<vector> using namespace std; template<typename T> //稀疏矩陣三元組表類型的定義 struct Triple { T _value; size_t _row; size_t _col; Triple(size_t row=0,size_t col=0,const T& value=T()) :_value(value) ,_row(row) ,_col(col) {} }; template<typename T> //稀疏矩陣 class SpareMatrix { public: SpareMatrix() :_rowsize(0) ,_colsize(0) ,_invalid(0) {} //用三元組表示實(shí)現(xiàn)稀疏矩陣的壓縮存儲(chǔ) SpareMatrix(T* a,size_t m,size_t n,const T& invalid) :_rowsize(m) ,_colsize(n) ,_invalid(invalid) { for(size_t i=0;i<m;i++) { for(size_t j=0;j<n;j++) { if(a[i*n+j]!=invalid) { _a.push_back(Triple<T>(i,j,a[i*n+j])); } } } } //稀疏矩陣的轉(zhuǎn)置 SpareMatrix<T> Transport() { SpareMatrix<T> tmp; tmp._rowsize = _colsize; tmp._colsize = _rowsize; tmp._invalid=_invalid; //給構(gòu)建好的匿名對(duì)象開(kāi)辟空間,但是不改變size的大小,開(kāi)辟后初始化的值為原來(lái)的。 tmp._a.reserve(_a.size()); for(size_t i=0;i<_colsize;i++) { size_t index=0; for(index=0;index<_a.size();index++) { if(_a[index]._col==i) { Triple <T> tp; tp._row=_a[index]._col; tp._col=_a[index]._row; tp._value=_a[index]._value; tmp._a.push_back(tp); } } } return tmp; } //稀疏矩陣的快速轉(zhuǎn)置 SpareMatrix<T> FastTransport() { SpareMatrix<T> tmp; tmp._rowsize = _colsize; tmp._colsize = _rowsize; tmp._invalid=_invalid; int* rowcounts=new int[tmp._rowsize]; int* rowstart=new int[tmp._rowsize]; memset(rowcounts,0,sizeof((int*)_colsize)); memset(rowstart,0,sizeof((int*)_colsize)); size_t index=0; //計(jì)算待轉(zhuǎn)置矩陣每一列非零元素的個(gè)數(shù) while(index<_a.size()) { rowcounts[_a[index]._col]++; index++; } //計(jì)算待轉(zhuǎn)置矩陣每一列第一個(gè)非零元素在三元組表中的位置 rowstart[0]=0; for(size_t i=1;i<_colsize;i++) { rowstart[i]=rowstart[i-1]+rowcounts[i-1]; } index=0; //給_a的匿名對(duì)象開(kāi)辟_a大小的空間 tmp._a.resize(_a.size()); while(index<=_a.size()) {/* size_t rowindex=_a[index]._col;*/ int& start=rowstart[_a[index]._col]; Triple<T> tp; tp._value=_a[index]._value; tp._row=_a[index]._col; tp._col=_a[index]._row; tmp._a[start++]=tp; index++; } return tmp; } void display() { size_t index=0; for(size_t i=0;i<_rowsize;i++) { for(size_t j=0;j<_colsize;j++) { if(index<_a.size() && _a[index]._row==i && _a[index]._col==j) { cout<<_a[index++]._value<<" "; } else { cout<<_invalid<<" "; } } cout<<endl; } cout<<endl; } protected: vector<Triple <T> > _a; size_t _rowsize; size_t _colsize; T _invalid; }; void test() { int a[4][4]={{1,0,0,0}, {2,2,0,0}, {0,1,3,0}, {1,0,0,4}}; SpareMatrix<int>sm1((int*)a,4,4,0); sm1.display(); SpareMatrix<int> sm2=sm1.Transport(); sm1.display(); SpareMatrix<int> sm3=sm1.FastTransport(); sm1.display(); } int main() { test(); getchar(); return 0; }
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。