时间:2021-05-20
C++ 实现稀疏矩阵的压缩存储的实例
稀疏矩阵:M*N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。
稀疏矩阵的压缩存储:压缩存储值存储极少数的有效数据。使用{row,col,value}三元组存储每一个有效数据,三元组按原矩阵中的位置,以行优先级先后顺序依次存放。
实现代码:
#include <iostream> #include <vector> using namespace std; template<class T> struct Triple //三元组 { size_t _row; //行 size_t _col; //列 T _value; //值 Triple(size_t row, size_t col, const T& value) :_row(row) , _col(col) , _value(value) {} }; template<class T> class SparseMatrix //稀疏矩阵 { protected: vector<Triple<T>> _matrix; //可以实现动态增容的压缩矩阵 size_t _m; //行 size_t _n; //列 T _invalid; //默认值 public: SparseMatrix(T* a, size_t m, size_t n, const T& invalid= T()) :_m(m) , _n(n) , _invalid(invalid) { for (size_t i = 0; i < m; ++i) { for (size_t j = 0; j < n; ++j) { Triple<T> t(i, j, a[i*n + j]); _matrix.push_back(t); } } } void Display() { size_t index = 0; for (size_t i = 0; i < _m; ++i) { for (size_t j = 0; j < _n; ++j) { if (index < _matrix.size() && _matrix[index]._row== i &&_matrix[index]._col ==j) { cout << _matrix[index]._value << " "; ++index; } else { cout << _invalid << " "; } } cout << endl; } cout << endl; } }; #include <windows.h> void test() { int a[6][5] = { { 1, 0, 2, 0, 0 }, { 1, 0, 1, 0, 3 }, { 2, 0, 0, 1, 2 }, { 3, 0, 1, 0, 0 }, { 4, 0, 2, 0, 0 }, { 0, 3, 4, 0, 0 }, }; SparseMatrix<int> sm((int*)a, 6, 5, 0); //SymmetricMatrix(int a[][N], size_t N) sm.Display(); } int main() { test(); system("pause"); return 0; }以上就是稀疏矩阵的压缩存储的实例详解,如有疑问请留言或者到本站社区交流讨论,感谢阅读,希望能帮助到大家,谢谢大家对本站的支持!
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
对称矩阵及稀疏矩阵的压缩存储1.稀疏矩阵 对于那些零元素数目远远多于非零元素数目,并且非零元素的分布没有规律的矩阵称为稀疏矩阵(sparse)。 人们无法给出
什么是稀疏矩阵呢,就是在M*N的矩阵中,有效值的个数远小于无效值的个数,并且这些数据的分布没有规律。在压缩存储稀疏矩阵的时候我们只存储极少数的有效数据。我们在这
C++中实现矩阵的加法和乘法实例实现效果图:实例代码:#includeusingnamespacestd;classMatrix{introw;//矩阵的行in
工程实践中,多数情况下,大矩阵一般都为稀疏矩阵,所以如何处理稀疏矩阵在实际中就非常重要。本文以Python里中的实现为例,首先来探讨一下稀疏矩阵是如何存储表示的
首先简单说一下什么是行压缩图,其实严格意义上应该是行压缩矩阵。正常情况下,矩阵是用二维数组简单存储的,但是如果是稀疏矩阵,也就是零很多的时候,这样比较浪费空间。