利用线性表压缩稀疏矩阵
2012-08-13 13:31
232 查看
稀疏矩阵,就是矩阵中的大多数元素为0,只有少量的非0元素。对于这种矩阵,直接存储就有点浪费空间了,更好的办法就是定义一个结构体,结构体中的3个成员对应于非0元素的位置以及非0元素的值。然后在加上一些附加的信息,比如矩阵的大小、非0元素的个数等等。听起来挺简单的,但是写起来还是挺复杂的:
在主函数中:
这样定义以后,稀疏矩阵的一些数学操作也会变得非常方便:矩阵的转置只是将结构体中位置信息的行、列交换一下顺序;矩阵的加法、减法也是对应位置的元素的相加减,值得注意的是,运算完毕后,需要判断结果是否为0。
#include <stdio.h> #include <malloc.h> #include <stdlib.h>//使用随机数调用 #include <time.h>//通过时间生成随机数种子 typedef int Elemtype; //表示稀疏矩阵的3元组:行号、列号,元素值 typedef struct Triple { int m; int n; Elemtype val; }Triple; //使用线性表存储这些3元组 typedef struct compressedSparseMatrix { Triple *data; int len;//非0元素的个数 //稀疏矩阵的行、列 //它们并不是必须的,但是可以通过它们较快的通过压缩的线性表来恢复一个稀疏矩阵 int row; int col; }compressedSparseMatrix; //创建稀疏矩阵 void createSparseMatrix(Elemtype ***sparseMatrix,int row, int col,int number) { //创建矩阵 *sparseMatrix = (Elemtype**)malloc(sizeof(Elemtype*) * row); for(int i = 0; i < row;++i) (*sparseMatrix)[i] = (Elemtype*)malloc(sizeof(Elemtype) * col); //如果有非0值,才初始化,否则sparseMatrix带出去的是一个分配好内存的2维数组 if(number != 0) { //矩阵初始化为0 for(int i = 0; i < row; ++i) for(int j = 0; j< col;++j) (*sparseMatrix)[i][j] = 0; //利用时间初始化随机数种子 srand( (unsigned )(time(NULL))); //产生number次随机数 //利用随机数给m、n赋值,来确定非0成员的位置 int m = 0; int n = 0; for(int i = 0; i < number;++i) { m = rand()%row; n = rand()%col; //将元素值控制在1~10以内 (*sparseMatrix)[m] = rand()%10+1; } //打印稀疏矩阵 for(int i = 0; i < row; ++i) { for(int j = 0; j< col;++j) { printf("%d\t",(*sparseMatrix)[i][j]); } printf("\n"); } } } //销毁稀疏矩阵 void destroySparseMatrix(Elemtype ***sparseMatrix,int row, int col) { for(int i = 0; i < row;++i) free((*sparseMatrix)[i]); free((*sparseMatrix)); } //用一个稀疏矩阵初始化压缩矩阵 bool initCompressedSparseMatrix(compressedSparseMatrix* CSM,Elemtype ***sparseMatrix,int row, int col,int number) { //初始化compressedSparseMatrix结构 CSM->data = (Triple*)malloc(sizeof(Triple) * number); if(NULL == CSM->data) return false; CSM->len = number; CSM->row = row; CSM->col = col; //将稀疏矩阵变为compressedSparseMatrix结构 int k = 0; for(int i= 0; i < CSM->row;++i) for(int j = 0; j < CSM->col;++j) { if((*sparseMatrix)[i][j] != 0) { CSM->data[k].val = (*sparseMatrix)[i][j]; CSM->data[k].m = i; CSM->data[k].n = j; ++k; } } return true; } //销毁压缩的稀疏矩阵 void destroyCompressedSparseMatrix(compressedSparseMatrix* CSM) { free(CSM->data); CSM->data = NULL; } //打印压缩的稀疏矩阵 void printCompressedSparseMatrix(compressedSparseMatrix* CSM) { for(int i = 0;i < CSM->len;++i) { printf("第%d行%d列的元素为: %d",CSM->data[i].m,CSM->data[i].n,CSM->data[i].val); printf("\n"); } } //通过线性表恢复稀疏矩阵 void transCPM2SM(compressedSparseMatrix *CMP,Elemtype ***sparseMatrix) { int k = 0; for(int i = 0; i< CMP->row;++i) { for(int j = 0; j < CMP->col;++j) { if(i == CMP->data[k].m && j == CMP->data[k].n) { (*sparseMatrix)[i][j] = CMP->data[k++].val; } else (*sparseMatrix)[i][j] = 0; } } //打印转化好的稀疏矩阵 for(int i = 0; i < CMP->row; ++i) { for(int j = 0; j< CMP->col;++j) { printf("%d\t",(*sparseMatrix)[i][j]); } printf("\n"); } }
在主函数中:
int main() { Elemtype **mySparseMatrix; createSparseMatrix(&mySparseMatrix,4,6,5); compressedSparseMatrix myCSM; initCompressedSparseMatrix(&myCSM,&mySparseMatrix,4,6,5); printCompressedSparseMatrix(&myCSM); Elemtype **mySparseMatrix1; createSparseMatrix(&mySparseMatrix1,4,6,0); transCPM2SM(&myCSM,&mySparseMatrix1); destroyCompressedSparseMatrix(&myCSM); destroySparseMatrix(&mySparseMatrix1,4,6); destroySparseMatrix(&mySparseMatrix,4,6); return 0; }
这样定义以后,稀疏矩阵的一些数学操作也会变得非常方便:矩阵的转置只是将结构体中位置信息的行、列交换一下顺序;矩阵的加法、减法也是对应位置的元素的相加减,值得注意的是,运算完毕后,需要判断结果是否为0。
相关文章推荐
- 稀疏(sparsity)矩阵的行压缩存储
- 稀疏矩阵三元组方式压缩存储 c++模板类实现
- 数据结构编程笔记十三:第五章 数组和广义表 稀疏矩阵的压缩存储实现
- 【算法】三项式数据结构压缩稀疏矩阵
- 稀疏矩阵线性解析库SPOOLES的简单应用
- C++实现稀疏矩阵的压缩存储实例
- 矩阵的压缩存储(稀疏矩阵的十字链表存储、稀疏矩阵的三元组行逻辑链接的顺序表存储表示、稀疏矩阵的三元组顺序表存储表示)
- 稀疏矩阵-压缩存储-列转置法- 一次定位快速转置法
- 稀疏矩阵及稀疏矩阵的压缩存储
- 稀疏矩阵【压缩算法】,具体代码没有,只是思想
- 稀疏矩阵的压缩存储与转置
- 稀疏矩阵的压缩存储和基本操作
- 稀疏矩阵的压缩存储
- 稀疏矩阵的压缩存储和快速逆置
- 【数据结构】稀疏矩阵的压缩存储和转置算法(C++代码)
- 稀疏矩阵的压缩存储及转置
- JavaScript中利用Array filter() 方法压缩稀疏数组
- 稀疏矩阵的压缩存储
- 稀疏矩阵压缩方法CSR
- 压缩感知先进——关于稀疏矩阵