【408数据结构与算法】—数组和特殊矩阵的压缩存储(二十五)

简介: 数组:按一定格式排列起来的具有相同类型的数据元素的集合

【408数据结构与算法】—数组和特殊矩阵的压缩存储(二十五)

一、数组

  • 数组:按一定格式排列起来的具有相同类型的数据元素的集合
  • 一维数组:若线性表中的数据元素为非结构的简单元素,则称为一组数组
  • 一维数组的逻辑结构:线性表,定长的线性表
  • 声明格式:数据类型 变量名称【长度】

2345_image_file_copy_387.jpg

  • 二维数组:若一维数组中的数据元素又是一维数组结构,则称为二维数组。

声明格式:数据类型 变量名称[行数][列数]

2345_image_file_copy_388.jpg

在C语言中,一个二维数组类型也可以定义为一维数组类型(其分量类型为一维数组类型)即:

2345_image_file_copy_389.jpg

三维数组:若二维数组中的元素又是一个一维数组,则称作三维数组。

n维数组:若n-1维数组中的元素又是一个一维数组结构,则称作n维数组。

线性表结构是数组结构的一个特例,而数组结构又是线性表结构的扩展

  • 数组的特点:结构固定—定义后,维数和维届不再改变。
  • 数组的基本操作:除了结构的初始化和销毁之外,只有取值元素和修改元素值的操作。

二、数组的抽象数据类型定义

n维数组的抽象数据类型

2345_image_file_copy_390.jpg

2345_image_file_copy_391.jpg

😛二维数组的抽象数据类型定义

2345_image_file_copy_392.jpg

2345_image_file_copy_393.jpg

三、数组的基本操作

2345_image_file_copy_394.jpg

四、数组的顺序存储

  • 数组的特点:结构固定,维数和维界不变
  • 数组的基本操作:初始化,销毁,取元素、修改元素值。一般不做插入和删除操作
  • 一般都是采用顺序存储结构来存储
  • 注意:数组可以是多维的,但存储数据元素的内存单元地址是唯一的,因此在存储数组结构之前,需要解决将多维关系映射到一维关系的问题。

📢📢例:有数组定义:int a[5],每个元素占用4字节,假设a[0]存储在2000单元,a[3]地址是多少?

2345_image_file_copy_395.jpg

2345_image_file_copy_396.jpg

2345_image_file_copy_397.jpg

😛二维数组的存储方式

二维数组可有两种存储方式:

  • 以行序为主序
  • 以列序为主序

2345_image_file_copy_398.jpg

以行序为主序

2345_image_file_copy_399.jpg

以列序为主

2345_image_file_copy_400.jpg

🎇二维数组的行序优先表示

2345_image_file_copy_401.jpg

以行序为主序:设数组开始存储位置LOC(0,0),存储每个元素需要L个存储单元数组元素a[i][j]的存储位置是:LOC(i,j)=LOC(0,0)+(n*i+j)*L

(n*i+j)表示a[i][j]前面所有元素的个数

🎇三维数组

按页/行/列存放,页优先的顺序存储

2345_image_file_copy_402.jpg

2345_image_file_copy_403.jpg

n维数组

2345_image_file_copy_404.jpg

2345_image_file_copy_405.jpg

2345_image_file_copy_406.jpg

2345_image_file_copy_407.jpg

五、特殊矩阵的压缩存储

  • 矩阵:一个由m*n个元素排成的m行n列的表
  • 矩阵的常规存储:将矩阵描述为一个二维数组
  • 矩阵的常规存储特点:可以对其元素进行随机存储 ;矩阵运算非常简单,存储的密度为1
  • 不适宜常规存储的矩阵:值相同的元素很多且呈某种规律分布;零元素多
  • 矩阵的压缩存储:为多个相同的为零元素只分配一个存储空间,对零元素不分配空间

2345_image_file_copy_408.jpg

1️⃣什么是压缩存储?

若多个数据元素的值相同,则只分配一个元素值的存储空间,且零元素不占存储空间

2️⃣什么样的矩阵能够压缩?

一些特殊矩阵,如对称矩阵,对角矩阵,三角矩阵,稀疏矩阵

3️⃣什么是稀疏矩阵?

矩阵中非零元素的个数较少(一般小于5%)

4️⃣对称矩阵

  • 特点:在n*n的矩阵中,满足如下性质:aij=aji(1<=i,j<=n)
  • 存储方法:只存储下(或者上)三角包括主对角线的数据元素,共占用n(n+1)/2个元素空间

2345_image_file_copy_409.jpg

2345_image_file_copy_410.jpg

2345_image_file_copy_411.jpg

2345_image_file_copy_412.jpg

2345_image_file_copy_413.jpg

🍑三角矩阵

特点:对角线以下(或者以上)的数据元素(不包括对角线)全部为常数C

2345_image_file_copy_414.jpg

2345_image_file_copy_415.jpg

🍑🍑对角矩阵

特点:在n*n的方阵中,所有非零元素都集中在以主对角线为中心的带状区域中,区域外的值全为0,则称为对角矩阵,常见的有三对角矩阵,五对角矩阵、七对角矩阵

2345_image_file_copy_416.jpg

2345_image_file_copy_417.jpg

存储方法:以对角线的顺序存储

2345_image_file_copy_418.jpg

稀疏矩阵存储

2345_image_file_copy_419.jpg

2345_image_file_copy_420.jpg

压缩存储原则:存各非零元的值,行列位置和矩阵的行列数

三元组顺序表

2345_image_file_copy_421.jpg

2345_image_file_copy_422.jpg

注意:为更可靠描述,通常再加一个总体信息,即:总行数、总列数、非零元素总个数

试着还原下列三元组所表示的稀疏矩阵

2345_image_file_copy_423.jpg

2345_image_file_copy_424.jpg

  • 三元组顺序表又称有序的双下标法
  • 三元组顺序表的优点:非零元素在表中按行序有序存储,因此便于进行依行顺序处理的矩阵运算
  • 三元组顺序表的缺点:不能随机存储,若按行号存 取某一行中的非零元素,则需从头开始进行查找
相关文章
|
11天前
|
算法 测试技术
【数据结构与算法 | 基础篇】环形数组模拟队列
【数据结构与算法 | 基础篇】环形数组模拟队列
|
11天前
|
存储 算法
【数据结构与算法 | 基础篇】[数组专题]力扣88
【数据结构与算法 | 基础篇】[数组专题]力扣88
|
13天前
|
存储 算法
数据结构与算法②(复杂度相关OJ)(六道数组OJ题)(下)
数据结构与算法②(复杂度相关OJ)(六道数组OJ题)
16 0
|
13天前
|
存储 算法 C语言
数据结构与算法②(复杂度相关OJ)(六道数组OJ题)(上)
数据结构与算法②(复杂度相关OJ)(六道数组OJ题)
32 2
|
18天前
|
算法 数据安全/隐私保护 计算机视觉
基于二维CS-SCHT变换和LABS方法的水印嵌入和提取算法matlab仿真
该内容包括一个算法的运行展示和详细步骤,使用了MATLAB2022a。算法涉及水印嵌入和提取,利用LAB色彩空间可能用于隐藏水印。水印通过二维CS-SCHT变换、低频系数处理和特定解码策略来提取。代码段展示了水印置乱、图像处理(如噪声、旋转、剪切等攻击)以及水印的逆置乱和提取过程。最后,计算并保存了比特率,用于评估水印的稳健性。
|
3天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于DCT变换和位平面分解的数字水印嵌入提取算法matlab仿真
这是一个关于数字水印算法的摘要:使用MATLAB2022a实现,结合DCT和位平面分解技术。算法先通过DCT变换将图像转至频域,随后利用位平面分解嵌入水印,确保在图像处理后仍能提取。核心程序包括水印嵌入和提取,以及性能分析部分,通过PSNR和NC指标评估水印在不同噪声条件下的鲁棒性。
|
4天前
|
算法 数据安全/隐私保护 C++
基于二维CS-SCHT变换和扩频方法的彩色图像水印嵌入和提取算法matlab仿真
该内容是关于一个图像水印算法的描述。在MATLAB2022a中运行,算法包括水印的嵌入和提取。首先,RGB图像转换为YUV格式,然后水印通过特定规则嵌入到Y分量中,并经过Arnold置乱增强安全性。水印提取时,经过逆过程恢复,使用了二维CS-SCHT变换和噪声对比度(NC)计算来评估水印的鲁棒性。代码中展示了从RGB到YUV的转换、水印嵌入、JPEG压缩攻击模拟以及水印提取的步骤。
|
5天前
|
机器学习/深度学习 算法 数据可视化
基于BP神经网络的32QAM解调算法matlab性能仿真
```markdown - 32QAM解调算法运用BP神经网络在matlab2022a中实现,适应复杂通信环境。 - 网络结构含输入、隐藏和输出层,利用梯度下降法优化,以交叉熵损失最小化为目标训练。 - 训练后,解调通过前向传播完成,提高在噪声和干扰中的数据恢复能力。 ``` 请注意,由于字符限制,部分详细信息(如具体图示和详细步骤)未能在摘要中包含。
|
6天前
|
机器学习/深度学习 算法 网络架构
基于yolov2深度学习网络的单人口罩佩戴检测和人脸定位算法matlab仿真
摘要:该内容展示了一个基于YOLOv2的单人口罩佩戴检测和人脸定位算法的应用。使用MATLAB2022A,YOLOv2通过Darknet-19网络和锚框技术检测图像中的口罩佩戴情况。核心代码段展示了如何处理图像,检测人脸并标注口罩区域。程序会实时显示检测结果,等待一段时间以优化显示流畅性。
|
9天前
|
机器学习/深度学习 算法
m基于GA-GRU遗传优化门控循环单元网络的电力负荷数据预测算法matlab仿真
在MATLAB 2022a中,一个基于遗传算法优化的GRU网络展示显著优化效果。优化前后的电力负荷预测图表显示了改进的预测准确性和效率。GRU,作为RNN的一种形式,解决了长期依赖问题,而遗传算法用于优化其超参数,如学习率和隐藏层单元数。核心MATLAB程序执行超过30分钟,通过迭代和适应度评估寻找最佳超参数,最终构建优化的GRU模型进行负荷预测,结果显示预测误差和模型性能的提升。
26 4