散列表

散列表及其查找

1. 散列的概念

散列表(hash table)是表示查找结构的一种有效方法。通过将关键码映射到表中某个位置来存储元素,然后根据关键码用同样的方式来直接访问。存储位置与关键码之间的对应函数关系 Address = hash(key) 。

2. 常见散列函数

  • 直接定址法
  • 除留余数法
  • 数字分析法
  • 平方取中法
  • 折叠法
  • 随机数法

3. 解决冲突的方法

通常关键码集合比散列表地址集合大得多。因此可能把不同关键码映射到同一个散列地址,这就产生了冲突(collision)。

3.1 开放定址法
3.1.1 线性探测法
3.1.2 平方探测法
3.1.3 双散列
3.2 分离链接法

代码示例:

//hashtable.h
typedef int typename;
typedef struct node{
   typename elem;
   sturct node* next;
}Node;
typedef Node* List;

typedef struct {
   int tableSize;
   List* theLists;  //theLists为链表数组,因为List lst就是声明一个链表;好比int* p,p为整型数组
}HashTbl;
typedef HashTbl* HashTable  //HashTable类型为指向该结构的指针类型

HashTable initTable(int tableSize);
List find(typename key, HashTable h);
void insert(typename key, HashTable h);


//hashtable.c
HashTable initTable(int tableSize){
   HashTable h;
   int i;

   if(tableSize < minTableSize){
   	printf("tableSize too small\n");
   	return NULL;
   }

   //allocate table
   h = malloc(sizeof(HashTbl));
   if(h == NULL){
   	printf("out of space\n");
   	return NULL;
   }
   h->tableSize = nextPrime(tableSize);

   //allocate array of lists
   h->theLists = malloc(sizeof(List) * h->tableSize);
   if(h->theLists == NULL){
   	printf("out of space\n");
   	return NULL;
   }

   //如果List的实现不用表头,到此为止,接下来为每个表分配一个表头
   //并设next域为NULL
   for(int i = 0; i < h->tableSize; ++i){
   	h->theLists[i] = malloc(sizeof(Node));
   	if(h->theLists[i] == NULL){
   		printf("out of space\n");
   		return;
   	}
   	else
   		h->theLists[i]->next = NULL;
   }

   return h;
}

List find(typename key, HashTable h){
   List pNode;
   List pHead;

   pHead = h->theLists[Hash(key, h->tableSize)];
   pNode = pHead->next;
   while(pNode != NULL && pNode->elem != key)
   	pNode = pNode->next;

   return pNode;
}

void insert(typename key, HashTable h){
   List pNode, pNew, pHead;
   pNode = find(key, h);
   if(pNode == NULL){
   	pNew = malloc(sizeof(Node));
   	if(pNew == NULL){
   		printf("out of space\n");
   		return;
   	}
   	else{
   		pHead = h->theLists[Hash(key, h->tableSize)];
   		pNew->next = pHead->next;
   		pNew->elme = key;
   		pHead->next = pNew;
   	}
   }
}

代码参考:数据结构与算法实现——C语言描述 (美)Mark Allen Weiss著 冯舜玺 译

3.3 再散列法
本课题设计了一种利用Matlab平台开发的植物叶片健康状态识别方案,重点融合了色彩与纹理双重特征以实现对叶片病害的自动化判别。该系统构建了直观的图形操作界面,便于用户提交叶片影像并快速获得分析结论。Matlab作为具备高效数值计算与数据处理能力的工具,在图像分析与模式分类领域应用广泛,本项目正是借助其功能解决农业病害监测的实际问题。 在色彩特征分析方面,叶片影像的颜色分布常与其生理状态密切相关。通常,健康的叶片呈现绿色,而出现黄化、褐变等异常色彩往往指示病害或虫害的发生。Matlab提供了一系列图像处理函数,例如可通过色彩空间转换与直方图统计来量化颜色属性。通过计算各颜色通道的统计参数(如均值、标准差及主成分等),能够提取具有判别力的色彩特征,从而为不同病害类别的区分提供依据。 纹理特征则用于描述叶片表面的微观结构与形态变化,如病斑、皱缩或裂纹等。Matlab中的灰度共生矩阵计算函数可用于提取对比度、均匀性、相关性等纹理指标。此外,局部二值模式与Gabor滤波等方法也能从多尺度刻画纹理细节,进一步增强病害识别的鲁棒性。 系统的人机交互界面基于Matlab的图形用户界面开发环境实现。用户可通过该界面上传待检图像,系统将自动执行图像预处理、特征抽取与分类判断。采用的分类模型包括支持向量机、决策树等机器学习方法,通过对已标注样本的训练,模型能够依据新图像的特征向量预测其所属的病害类别。 此类课题设计有助于深化对Matlab编程、图像处理技术与模式识别原理的理解。通过完整实现从特征提取到分类决策的流程,学生能够将理论知识与实际应用相结合,提升解决复杂工程问题的能力。总体而言,该叶片病害检测系统涵盖了图像分析、特征融合、分类算法及界面开发等多个技术环节,为学习与掌握基于Matlab的智能检测技术提供了综合性实践案例。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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