SparseMatrix稀疏矩阵
2016-08-27 20:07
190 查看
public class SparseMatrix {
/**
* @param args
* 说明
如果在矩阵中,多数的元素并没有资料,称此矩阵为稀疏矩阵(sparse matrix),由于矩阵在程式中常使用二维阵列表示,
二维阵列的大小与使用的记忆体空间成正比,如果多数的元素没有资料,则会造成记忆体空间的浪费,为 此,必须设计稀疏矩阵的阵列储存方式,
利用较少的记忆体空间储存完整的矩阵资讯。
解法
在这边所介绍的方法较为简单,阵列只储存矩阵的行数、列数与有资料的索引位置及其值,在需要使用矩阵资料时,再透过程式运算加以还原,
例如若矩阵资料如下 ,其中0表示矩阵中该位置没有资料:
0 0 0 0 0 0
0 3 0 0 0 0
0 0 0 6 0 0
0 0 9 0 0 0
0 0 0 0 12 0
这个矩阵是5X6矩阵,非零元素有4个,您要使用的阵列第一列记录其列数、行数与非零元素个数:
5 6 4
阵列的第二列起,记录其位置的列索引、行索引与储存值:
1 1 3
2 3 6
3 2 9
4 4 12
所以原本要用30个元素储存的矩阵资讯,现在只使用了15个元素来储存,节省了不少记忆体的使用。
*/
public static void main(String[] args) {
int array[][] = {{5,6,4} ,{1,1,3},{2,3,6},{3,2,9},{4,4,12}};
System.out.println("存储矩阵为:");
for(int i = 0;i< array.length;i++){
for(int j = 0; j< array[i].length;j++){
System.out.printf("%4d",array[i][j]);
}
System.out.println();
}
System.out.println("还原后的矩阵:");
int k = 1;
for(int i = 0; i< array[0][0];i++){
for(int j = 0 ; j< array[0][1];j++){
if(k<= array.length -1 && array[k][0] == i && array[k][1] == j){
System.out.printf("%4d",array[k][2] );
k++;
}
else{
System.out.printf("%4d",0);
}
}
System.out.println();
}
}
/**
* @param args
* 说明
如果在矩阵中,多数的元素并没有资料,称此矩阵为稀疏矩阵(sparse matrix),由于矩阵在程式中常使用二维阵列表示,
二维阵列的大小与使用的记忆体空间成正比,如果多数的元素没有资料,则会造成记忆体空间的浪费,为 此,必须设计稀疏矩阵的阵列储存方式,
利用较少的记忆体空间储存完整的矩阵资讯。
解法
在这边所介绍的方法较为简单,阵列只储存矩阵的行数、列数与有资料的索引位置及其值,在需要使用矩阵资料时,再透过程式运算加以还原,
例如若矩阵资料如下 ,其中0表示矩阵中该位置没有资料:
0 0 0 0 0 0
0 3 0 0 0 0
0 0 0 6 0 0
0 0 9 0 0 0
0 0 0 0 12 0
这个矩阵是5X6矩阵,非零元素有4个,您要使用的阵列第一列记录其列数、行数与非零元素个数:
5 6 4
阵列的第二列起,记录其位置的列索引、行索引与储存值:
1 1 3
2 3 6
3 2 9
4 4 12
所以原本要用30个元素储存的矩阵资讯,现在只使用了15个元素来储存,节省了不少记忆体的使用。
*/
public static void main(String[] args) {
int array[][] = {{5,6,4} ,{1,1,3},{2,3,6},{3,2,9},{4,4,12}};
System.out.println("存储矩阵为:");
for(int i = 0;i< array.length;i++){
for(int j = 0; j< array[i].length;j++){
System.out.printf("%4d",array[i][j]);
}
System.out.println();
}
System.out.println("还原后的矩阵:");
int k = 1;
for(int i = 0; i< array[0][0];i++){
for(int j = 0 ; j< array[0][1];j++){
if(k<= array.length -1 && array[k][0] == i && array[k][1] == j){
System.out.printf("%4d",array[k][2] );
k++;
}
else{
System.out.printf("%4d",0);
}
}
System.out.println();
}
}
相关文章推荐
- 稀疏矩阵(sparse matrix)
- 稀疏矩阵(Sparse Matrix)
- 稀疏表达:向量、矩阵与张量(上)(转载自http://www.cvchina.info/2010/06/01/sparse-representation-vector-matrix-tensor-1)
- 稀疏矩阵(sparse matrix)
- scipy.sparse中csc_martrix和csr_matrix两个稀疏矩阵的区别
- 分布式稀疏矩阵的数据结构(data structure for distributed sparse matrix)
- 稀疏矩阵的存储格式(Sparse Matrix Storage Formats)
- distributed sparse matrix SPMV(分布式稀疏矩阵的spmv操作)
- 数据结构_稀疏矩阵转置(trans_sparse_matrix)
- Sparse Matrix(稀疏矩阵三元组表示,三元组形式的矩阵转置)
- 稀疏矩阵的存储格式(Sparse Matrix Storage Formats)
- matlab 稀疏矩阵(sparse matrix)
- 稀疏矩阵的存储格式(Sparse Matrix Storage Formats)
- 稀疏矩阵的存储格式(Sparse Matrix Storage Formats)
- 三元组实现稀疏矩阵的压缩存储与转置 (Sparse matrix compression storage and transposition base on triple)
- sparse函数和full函数(稀疏矩阵和非稀疏矩阵转换)
- MATLAB笔记 sparse稀疏矩阵函数
- 稀疏矩阵的存储格式(Sparse Matrix Formats)
- matlab——sparse函数和full函数(稀疏矩阵和非稀疏矩阵转换)
- 【Matlab】sparse函数和full函数(稀疏矩阵和非稀疏矩阵转换)