稀疏矩阵的压缩

Java实现稀疏矩阵的压缩 首先给出维基百科里稀疏矩阵的概念:在数值分析中,稀疏矩阵(Sparse matrix),是其元素大部分为零的矩阵。反之,如果大部分元素都非零,则这个矩阵是稠密的。其实很简单,就是矩阵元素大部分为0的矩阵。很明显用传统储存二维矩阵的方法会造成很大的内存浪费,当然传统方法也行,但不够优化,鉴于此便出现压缩矩阵的方法。举个例子,给出下面一个5X5的矩阵,0013050000006000000100900... 阅读详情

稀疏矩阵的特点

M*N矩阵,矩阵中有效值的个数远远小于无效值的个数,并且这些数据的分布没有规律。

例如下面的矩阵

wKioL1cTnG_RdM91AAAM4xL6kRc377.png

稀疏矩阵的压缩存储

压缩矩阵值存储极少数的有效数据。使用三元组来存储每一个数据,三元组数据按照矩阵中的位置,以行优先顺序依次存放。

则上述矩阵的存储结构为

wKiom1cTnG7zs3RTAAAE8k9eW5k161.png

三元组结构

//三元组的定义
template<class T>
struct  Triple
{
public:
	//默认无参构造函数
	Triple()
	{}

	//构造函数
	Triple(const T& d,size_t row=0,size_t col=0)
		:_value(d)
		,_row(row)
		,_col(col)
	{}
public:
	T _value;//数据域
	size_t _row;//行
	size_t _col;//列
};

稀疏矩阵的压缩

template<class T>
class SparseMatrix
{
public:
	//无参构造函数
	SparseMatrix()
	{}
	SparseMatrix(const T* a, size_t row, size_t col, const T& invalid);
	void Display();//打印
	SparseMatrix<T> Transport();//列转置
	SparseMatrix<T> FastTransport();//快速转置
	
private:
	vector<Triple<T>> _a;//三元组类型的顺序表
	size_t _rowSize;//行数
	size_t _colSize;//列数
	T _invalid;//非法值
};

//矩阵的压缩
template<class T>
SparseMatrix<T>::SparseMatrix(const T* a, size_t row, size_t col, const T& invalid)
	:_rowSize(row)
	, _colSize(col)
	, _invalid(invalid)
{
	//行遍历
	for (size_t i = 0; i < row; i++)
	{
		//列遍历
		for (size_t j = 0; j < col; j++)
		{
			if (a[i*col + j] != invalid)
			{
				_a.push_back(Triple<T>(a[i*col + j], i, j));
				//不能通过数组创建,但是可以通过数组形式访问
			}
		}
	}
}


转置

将原矩阵的行、列互换,也就是将[row][col]和[col][row]位置上的数据对换。

wKiom1cTnn_SDYj9AAAczW2rlyw473.png

列转置

算法思想:

采用按照被转置矩阵三元组表A的序列(即转置后三元组表B的行序)递增的顺序进行转置,并以此送入转置后矩阵的算远足表B中,这样一来,转置后矩阵的三元组表B恰好是以“行序为主序的”.

实现代码

//列转置
template<class T>
SparseMatrix<T> SparseMatrix<T>::Transport()
{
	SparseMatrix<T> result;
	//行列size互换
	result._rowSize = _colSize;
	result._colSize = _rowSize;
	result._invalid = _invalid;

	//按照列扫描
	for (size_t j = 0; j < _colSize; j++)
	{
		//在三元组数组中找到相同列的元素
		for (size_t index = 0; index < _a.size(); index++)
		{
			if (_a[index]._col == j)
			{
				result._a.push_back(Triple<T>(_a[index]._value, _a[index]._col, _a[index]._row));
				//按照列优先的顺序存到压缩数组中
			}
		}
	}
	return result;
}

算法分析:

算法的时间主要消耗在双重循环中,其时间复杂度为O(_colSize*_a.size)。


一次定位快速转置

算法思想:

在列转置中算法的时间浪费主要在双重循环中,要改善算法的性能,必须去掉双重循环,使得整个转置过程通过一次循环来完成。

为了能使得被转置的三元组表A中元素一次定位到三元组表B中,需要预先计算一下数据:

1)rowCounts,三元组表A中每一列有效值的个数,即转置后矩阵三元组表B中每一行有效值的个数。

2)rowStart,三元组表B中每一行有效值的起始位置。


rowStart[col]=rowStart[col-1]+rowCounts[col-1]

上述矩阵的两个数组为:

wKiom1cTplWAuHsmAAAPSkwAUhQ338.png

代码实现:

//快速转置
template<class T>
SparseMatrix<T> SparseMatrix<T>::FastTransport()
{
	assert(_a.size() < 0);
	SparseMatrix<T> result;
	//行列size互换
	result._rowSize = _colSize;
	result._colSize = _rowSize;
	result._invalid = _invalid;

	//建立rowCounts和rowStart
	int* rowCounts = new int[_colSize];
	int* rowStart = new int[_colSize];
	memset(rowCounts, 0, sizeof(int)*_colSize);//初始化为0
	memset(rowStart, 0, sizeof(int)*_colSize);//初始化为0

	result._a.resize(_a.size());//复制顺序表_a,容量相同,但是数据不同。
	//初始化
	for (size_t i = 0; i < _colSize; i++)
	{
		rowCounts[_a[i]._col]++;
	}
	rowStart[0] = 0;
	for (size_t i = 1; i < _colSize; i++)
	{
		rowStart[i] = rowCounts[i - 1] + rowStart[i - 1];
	}

	//快速转置
	size_t index = 0;
	Triple<T> tmp;
	while (index < _a.size())
	{
		int row = _a[index]._col;//行数
		int rowIndex = rowStart[row];//当前行的起始位置

									 //交换行和列
		tmp._value = _a[index]._value;
		tmp._row = _a[index]._col;
		tmp._col = _a[index]._row;

		result._a[rowIndex] = tmp;
		rowStart[row]++;
		index++;
	}
	delete[] rowCounts;
	delete[] rowStart;
	return result;

}

算法分析:

一次定位快速转置算法时间主要浪费在3个并列的循环中,分别执行了_colSize,_col_Size,_a.size()次,总的时间复杂度为O(_colSize+_a.size())。远远小于O(_colSize*_a.size)。

稀疏矩阵的压缩储存,稀疏矩阵的普通转置,稀疏矩阵的快速转置 前言:什么是稀疏矩阵: 一个M*N(即M行N列)的矩阵,矩阵中有效值的个数远小于无效值的个数,且这些数据的分布没有规律。 例如:一个6行5列的稀疏矩阵(M = 6,N = 5) 1, 0, 3, 0, 5 0, 0, 0, 0, 0 0, 0, 0, 0, 0 1, 0, 3, 0, 5 0, 0, 0, 0, 0 0, 0, 0, 0, 0 一、稀疏矩阵的压缩储存 阅读详情

相关推荐

数据结构:稀疏矩阵的压缩存储

问题提出:矩阵存储压缩 分析:尽可能地压缩数据量;压缩后仍然可以比较容易地进行各项基本操作. 两类矩阵的压缩存储:特殊矩阵;稀疏矩阵. 稀疏矩阵的压缩存储思想: -存储非零元:值;位置(行列号) -存储适当的辅助信息:行数;列数;非零元的个数 三元组&lt;i,j,e&gt; 0 12 9 0 0 0 0 0 0 0 0 0 0 0 -3 0 0 0 0 14 0 0 0 ...

Libra_Ng 2683

数据结构进阶(二)矩阵(稀疏矩阵)的压缩存储

矩阵(稀疏矩阵)的压缩存储注 本文转载地址:http://blog.163.com/zhoumhan_0351/blog/static/39954227201001112526244/ 为了节省存储空间并且加快处理速度,需要对这类矩阵进行压缩存储,压缩存储的原则是:不重复存储相同元素;不存储零值元素。一、相关概念㈠特殊矩阵 矩阵中存在大多数值相同的元,或非0元,且在矩...

IT全栈 华强工作室 6万+

稀疏矩阵的压缩与还原(Java实现)

本文详细讲解了利用Java实现稀疏矩阵的压缩与还原的简单算法,供大家学习、参考和交流!

weixin_43395911的博客 1752

稀疏矩阵的压缩方法:一览全面

1.背景介绍 稀疏矩阵是指矩阵中大部分元素为零的矩阵,这种矩阵在现实生活中非常常见,例如图像处理、信号处理、机器学习等领域。由于稀疏矩阵中大部分元素为零,存储和计算稀疏矩阵的时间和空间复杂度都会减少,因此研究稀疏矩阵的压缩方法具有重要的理论和应用价值。 在本文中,我们将从以下几个方面进行全面的介绍: 背景介绍 核心概念与联系 核心算法原理和具体操作步骤以及数学模型公式详细讲解 具体代码实例...

AI天才研究院 1313

稀疏矩阵压缩存储实现详解

本文还有配套的精品资源,点击获取 简介:稀疏矩阵是一种矩阵表示方法,专门用于存储大量零值元素的大型矩阵,常用于图像处理、网络分析等。该方法通过只存储非零元素来节省空间,并提出了两种常见的数组实现方式:三元组表示法和压缩存储法。三元组法直接表示非零元素的行号、列号和值,而压缩存储法则通过记录列或行的非零元素位置来减少空间开销。压缩存储法进一步细分为压缩列存储(CCS)和压缩行...

weixin_30820933的博客 1686

Oracle Linux中/var/log/pcp/pmlogger目录膨胀问题分析与解决

本文详细分析了Oracle Linux系统中/var/log/pcp/pmlogger目录异常膨胀的常见原因与解决方案。当PCP性能监控框架的pmlogger服务日志轮转或清理机制失效时,会导致该目录无限增长,威胁系统稳定。文章提供了从服务状态诊断、配置文件审查到安全清理与预防策略的全流程实战指南,帮助运维人员快速回收磁盘空间并恢复服务正常运行。

weixin_29208327的博客 382

稀疏矩阵的压缩存储

• 一个阶数较大的矩阵中的非零元素个数s相对于矩阵元素的总个数t很小时,即s

qq_57484399的博客 1927

Winform美化框架AntdUI中Table的使用方法

使用核心注意点: 数据模型中属性名需要完全与new Column里的列名一致否则添加数据源则无法读取到详细内容。

wevix的博客 3689

数据结构进阶(二)矩阵(稀疏矩阵)的压缩存储_稀疏矩阵压缩

(1)按照b.data中三元组的次序依次在a.data中找出相应的三元组进行转置。换句话说,按照矩阵M的列序进行转置。由于a.data是以M的行序为存放每个非零元的,由此得到的恰好是b.data应有的顺序。恰当位置的确定:首先计算M矩阵的每一列(即T的每一行)中非0元的个数,然后求得M矩阵每一列第一个非0元在b.data中的位置。(2)快速转置:按照a.data中三元组的次序进行转置,并将转置后的三元组放到b.data中的恰当位置。(1)按照b矩阵中的行次序依次在a.data中找到相应的三元组进行转置。

2401_84411557的博客 855

STM8S全解析之系列文章4---STM8S芯片项目升级引导程序(使用中断接收升级数据)

STM8S全解析之系列文章4—STM8S芯片项目升级引导程序(使用中断接收升级数据) 提示:这里可以添加系列文章的所有文章的目录,目录需要自己手动添加 例如:第一章 Python 机器学习入门之pandas的使用 文章目录STM8S全解析之系列文章4---STM8S芯片项目升级引导程序(使用中断接收升级数据)前言一、Flash划分boot和App二、使用步骤1.引入库2.读入数据总结 前言 用过STM8S都知道它没有中断向量重定向,也就意味着STM8S的中断向量没办法指向其他的位置,间接说明升级的引导

weixin_39853312的博客 1034

从按下开机键到进入系统:深入主板“后台”,揭秘Super I/O芯片的上电时序与BIOS交互

本文深入探讨了Super I/O芯片(SIO)在电脑启动过程中的关键作用,详细解析了其架构设计、上电时序与BIOS交互机制。通过分析SIO的多功能集成控制器特性,包括低速I/O管理、硬件监控和电源管理,揭示了从按下电源按钮到系统初始化的精密硬件协作过程。文章还提供了常见问题的调试方法,为硬件工程师和嵌入式开发者提供了实用参考。

weixin_27014595的博客 134

【数据结构C/C++】稀疏矩阵的压缩

稀疏矩阵(Sparse Matrix)是一种矩阵,其中大多数元素都是零。与稠密矩阵相比,稀疏矩阵具有许多零元素,因此存储和处理它们可能会浪费大量的存储空间和计算资源。为了优化稀疏矩阵的存储和处理,可以采用以下方法:压缩存储:压缩稀疏矩阵(Compressed Sparse Matrix):只存储非零元素及其位置信息,以减少存储空间的使用。通常需要存储非零元素的值、行索引和列索引。

Zhangsama1的博客 1190

从零开始讲DDR(5)——读懂Datasheet

对于开发人员来说,需要根据实际场景和使用的需要,使用不同厂家,不同型号的DDR,虽然原理上大同小异,但是还是有一些细节上的需要注意的地方,接触一个新的DDR芯片,首先就是需要找到对应的datasheet,而能都读懂datasheet,也是一个硬件工程师的必备技能。

apple_53311083的博客 5225

稀疏矩阵的压缩与还原

什么是稀疏矩阵? 一个矩阵中,如果大部分元素都是0,只有少部分是非0元素,这个矩阵就叫做稀疏矩阵。如下图所示,下面这个矩阵只有第1行第2列和第2行第4列的元素不为空,这个矩阵就是一个稀疏矩阵。 通常,我们用二维数组表示矩阵,但我们用二维数组表示稀疏矩阵时,二维数组里会存大量的0元素,占用内存,极大的浪费空间。这个时候我们通常会对稀疏矩阵进行压缩,让二维数组只存储非0元素,如下图所示。 假设压缩后的二维数组为B,B的第0行用来存储稀疏矩阵的相关信息。如B[0][0]表示稀疏矩阵一共有多少行,B[0][1]表

qq_45771848的博客 2725

数据资产可视化分析:PowerBI在大数据管理中的实战

目的:帮你搞懂“为什么数据资产需要可视化?”“PowerBI能帮企业解决什么问题?”,并掌握用PowerBI做大数据可视化的实战技巧。范围:覆盖数据资产定义、可视化分析原理、PowerBI核心功能(数据连接、建模、可视化)、零售企业实战案例,以及未来趋势与挑战。背景:为什么企业的数据像乱堆的玩具?核心概念:数据资产、可视化分析、PowerBI分别是什么?它们怎么配合?实战步骤:用PowerBI帮零售企业整理“销售玩具箱”,做出能指导决策的仪表盘;应用场景:不同部门怎么用这个“整理好的玩具箱”?

2501_92132293的博客 907

【WorkBuddy专栏27】WorkBuddy 和 CodeBuddy 到底什么关系——一篇文章终结所有混淆

WorkBuddy 和 CodeBuddy 到底什么关系——一篇文章终结所有混淆

AI人人懂 2812

稀疏矩阵原理与矩阵压缩

稀疏矩阵 在矩阵中,若数值为0的元素数目远远多于非0元素的数目,并且非0元素分布没有规律时,则称该矩阵为稀疏矩阵;与之相反,若非0元素数目占大多数时,则称该矩阵为稠密矩阵。定义非零元素的总数比上矩阵所有元素的总数为矩阵的稠密度。 当一个数组中大部分元素为0,或者为同一个值的数组时,可以使用稀疏数组来保存该数组。 矩阵压缩 由于稀疏矩阵中非零元素较少,零元素较多,因此可以采用只存储非零元素的方法来进行压缩存储。 由于非零元素分布没有任何规律,所以在进行压缩存储的时侯需要存储非零元素值的同时还要存储非零元素在

qq_41784749的博客 3012

【01】总目录——软件设计师50讲通关地图|从零基础到工程师职称

本文是《软件设计师·50讲通关|从零基础到工程师职称》专栏的01篇总目录,系统梳理了50篇博文的完整架构与核心逻辑。专栏覆盖软考软件设计师(中级)全部考点,分为导学规划、基础知识、设计模式、下午题专项、算法实战、冲刺模拟、收官进阶七大模块,既兼顾上午题75道单选题的理论攻坚,也聚焦下午题案例分析的解题能力提升。每篇博文均包含考点精讲、真题解析、实战技巧与速记方法,配套可运行代码、解题模板及备考资源。无论你是零基础转行、在校学生还是在职程序员,都能通过这份学习地图明确进度、精准定位薄弱环节,高效搭建知识体系

专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域,希望和大家共同进步! 1281

稀疏矩阵的压缩存储及转置

没有经过处理的稀疏矩阵其实就是一个特殊的二维数组,数组中的大部分元素是0或者其他类型的非法值,只有少数几个非零元素。   为了实现压缩存储,可以只存储稀疏矩阵的非0元素。在存储稀疏矩阵中的非0元素时,必须要存储该元素的行列号以及元素值。我们可以封装一个三元组类来存储这些元素。//三元组 template struct Triple { size_t _row;   //行 size_t _co

言安阳 942

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

稀疏矩阵的压缩与还原——基于java

稀疏矩阵的压缩与还原 在main函数的内部进行了简单的测试。 /** * 实现将数组转换为稀疏数组保存和将稀疏数组还原为实际数组 */ public class Demo03 { public static void main(String[] args) { int[][] array = new int[10][10]; //只有以下四个位置不为0 array[2][3] = 1; array[3][5] = 2;

weixin_43611458的博客 477

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

稀疏矩阵的压缩与解压缩

        这是大二时候自己学数据结构是,做的实验。整理文件夹时候找出来的,现在发出来,程序中,为了用到学到的知识,用到c中的结构体知识和c++的类,另外还有读文件知识点。#include&lt;iostream&gt; #include&lt;fstream&gt; #include&lt;iomanip&gt; #include&lt;windows.h&gt; using namespa...

~yzzheng~的博客 2712

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

稀疏矩阵的压缩存储与快速转置

稀疏矩阵的压缩存储 什么是稀疏矩阵? 在矩阵中,若数值为0的元素数目远远多于非0元素的数目,并且非0元素分布没有规律时,则称该矩阵为稀疏矩阵。如下图: 为什么要进行压缩存储? 在稀疏矩阵中,0元素仅占位,无实际含义。用二维数组存储,白白浪费了很多存储空间。故,为了节约存储空间,采用压缩存储。 如何压缩存储? 由上述易知,只记录非0元素就可以压缩矩阵。但元素在矩阵中的位置也是不能丢的。为了确保压缩后...

任青月的博客 1048

【数据结构】数组(稀疏矩阵、特殊矩阵压缩、矩阵存储、稀疏矩阵的快速转置、十字链表)

数组(稀疏矩阵、特殊矩阵压缩、矩阵存储、稀疏矩阵压缩、稀疏矩阵的快速转置、十字链表)

ChenZHIHAO_y的博客 1998
上一篇: 复杂链表的复制
下一篇: 广义表的递归实现
LeetCode8023
博客等级 码龄10年 6粉丝 53原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值