❶ 稀疏矩陣的壓縮存儲思想
為了節省存儲空間並且加快處理速度，需要對這類矩陣進行壓縮存儲，壓縮存儲的原則是：不重復存儲相同元素；不存儲零值元素。稀疏矩陣，有三元組表示法、帶輔助行向量的二元組表示法（也即行邏輯鏈表的順序表），十字鏈表表示法等。演算法基本思想：num[col]:第col列的非零元素個數；cpot[col]:第col列第一個非零元在b.data中的恰當位置；在轉置過程中，指示該列下一個非零元在b.data中的位置。
❷ 稀疏矩陣的壓縮存儲只需要存儲什麼
非零元素。
對於一個用二維數組存儲的稀疏矩陣Amn，如果假設存儲每個數組元素需要L個位元組，那麼存儲整個矩陣需要m*n*L個位元組。但是，這些存儲空間的大部分存放的是0元素，從而造成大量的空間浪費。為了節省存儲空間，可以只存儲其中的非0元素。
(2)對稀疏矩形採用壓縮存儲缺點擴展閱讀
稀疏矩陣演算法的最大特點是通過只存儲和處理非零元素從而大幅度降低存儲空間需求以及計算復雜度，代價則是必須使用專門的稀疏矩陣壓縮存儲數據結構。稀疏矩陣演算法是典型的不規則演算法，計算訪存比很低，並且計算過程中的訪存軌跡與稀疏矩陣的稀疏結構相關。
❸ 對稀疏矩陣壓縮存儲的目的是什麼 A 便於進行矩陣預算 B 便於輸入和輸出C節省存儲空間 D降低運算世間復雜度
對稀疏矩陣壓縮存儲的目的是：C節省存儲空間和D降低預算時間復雜度，如果是單選題，那麼應該選C節省存儲空間。
矩陣中非零元素的個數遠遠小於矩陣元素的總數，並且非零元素的分布沒有規律，則稱該矩陣為稀疏矩陣(sparse matrix)；與之相區別的是，如果非零元素的分布存在規律（如上三角矩陣、下三角矩陣、對角矩陣），則稱該矩陣為特殊矩陣。
稀疏矩陣的計算速度更快,因為M AT L A B只對非零元素進行操作,這是稀疏矩陣的一個突出的優點.假設矩陣A,B中的矩陣一樣.計算2*A需要一百萬次的浮點運算,而計算2*B只需要2 0 0 0次浮點運算.因為M AT L A B不能自動創建稀疏矩陣,所以要用特殊的命令來得到稀疏矩陣.
對於一個用二維數組存儲的稀疏矩陣Amn,如果假設存儲每個數組元素需要L個位元組,那麼存儲整個矩陣需要m*n*L個位元組.但是,這些存儲空間的大部分存放的是0元素,從而造成大量的空間浪費.為了節省存儲空間，可以只存儲其中的非0元素.
❹ 三元組表示稀疏矩陣是什麼
三元組表示稀疏矩陣如下：
從方法上講，所謂的三元組法表示稀疏矩陣是：將非零元素所在的行、列以及它的值構成一個三元組（i、j、v)，然後再按某種規律存儲這些三元組，這種方法可以節約存儲空間。
對於稀疏矩陣，採用壓縮存儲方法時，只存儲非0元素。必須存儲非0元素的行下標值、列下標值、元素值。因此，一個三元組唯一確定稀疏矩陣的一個非零元素。
稀疏矩陣和三元組的特點：
稀疏矩陣的概念是：一個m行n列的矩陣，若它的非零元個數特別少，即可稱它為稀疏矩陣。只存儲稀疏矩陣的非零元。除了存儲非零元的值a以外，還必須記下它的行下標i和列下標j。反之，一個三元組唯一確定矩陣的一個非零元。因此，一個稀疏矩陣可由一個三元組數組和該矩陣的行列數來確定。
❺ 數據結構之稀疏矩陣
用戶產品關系矩陣，比如某個公司的所有用戶對自己喜愛的產品有一個評分，但是因為該公司用戶和產品種類數量繁多，就有可能存在用戶通過產品產生的關聯性不是很大的情況（沒有共同評價過的產品），就產生了稀疏矩陣。
網路的定義：在 矩陣 中，若數值為0的元素數目遠遠多於非0元素的數目，並且非0元素分布沒有規律時，則稱該矩陣為稀疏矩陣；與之相反，若非0元素數目佔大多數時，則稱該矩陣為稠密矩隱手陣。定義非零元素的總數比上矩陣所有元素的總數為矩陣的稠密度。
一般矩陣採用二維數組存儲，但是由於稀疏矩陣中存在大量的「空」值，占據了大量的存儲空間，而真正有用的數據卻少之又少，且在計算時浪費資源，所以要進行壓縮存儲以節省存儲空間和計算方便。
一般採用三元組線性表表示，可以採用順序或鏈式方式存儲，比如上面的稀疏矩陣用三元組表示為(1,3,1),(2,2,2),(3,1,3),(4,4,5),(5,5,6),(6,6,7),(6,7,4)
成員包括矩陣的函數、列數、灶瞎嫌非零元素的集合,該定義用到了前面講的線性表的有序順序存儲結構和有序鏈式存儲結構
數據結構之線性表的順序存儲結構
數據結構之有序線性表的順序存儲結構
數據結構之線性表的鏈式存儲神亮結構
數據結構之有序線性表的鏈式存儲結構
插入時間復雜度O(t),所以總時間復雜度為O(t*t) ,t為非零元素個數
更高效的轉置
插入時間復雜度O（1），所以總時間復雜度O（n*t）,其中n為列數，t為非零元素個數
測試類及結果
❻ 稀疏矩陣採用壓縮存儲的目的主要是什麼
節省存儲空間。
根據網路查詢，對稀疏矩陣進行壓縮存儲目的是節芹高省存儲空間。存儲矩陣的一般方法是採用二維數組。
矩族哪陣壓縮由於稀疏矩陣中非零元素較少，零元素較多，因此可以採用只存儲非零元素的方法嫌穗尺來進行壓縮存儲。
❼ 對稀疏矩陣進行壓縮存儲的目的是什麼
對稀疏矩陣進行壓縮存儲目的是節省存儲空間。
存儲矩陣的一般方法是採用二維數組，其優點是可以隨機地訪問每一個元素，因而能夠較容易地實現矩陣的各種運算。
但對於稀疏矩陣而言，若用二維數組來表示，會重復存儲了很多個0了，浪費空間，而且要花費時間來進行零元素的無效計算。所以必須考慮對稀疏矩陣進行壓縮存儲。
(7)對稀疏矩形採用壓縮存儲缺點擴展閱讀
優點
稀疏矩陣的計算速度更快，因為MATLAB只對非零元素進行操作，這是稀疏矩陣的一個突出的優點。假設矩陣A,B中的矩陣一樣，計算2*A需要一百萬次的浮點運算，而計算2*B只需要2000次浮點運算。
因為MATLAB不能自動創建稀疏矩陣，所以要用特殊的命令來得到稀疏矩陣。算術和邏輯運算都適用於稀疏矩陣。對於一個用二維數組存儲的稀疏矩陣Amn，如果假設存儲每個數組元素需要L個位元組，那麼存儲整個矩陣需要m*n*L個位元組。
❽ 稀疏矩陣定義以及存儲格式(COO,CSR,CSC)
網路:在矩陣中，若數值為0的元素數目遠遠多於非0元素的數目，並且非0元素分布沒有規律時，則稱該矩陣為稀疏矩陣；與之相反，若非0元素數目佔大多數時，則稱該矩陣為稠密矩陣。定義非零元素的總數比上矩陣所有元素的總數為矩陣的稠密度。 簡單來說,稀疏矩陣就是絕大部分都是0的矩陣 ,只包含很少的非零值.
比如,
上述稀疏矩陣非零元素有9個,26個零值.稀疏性是74%.
稀疏矩陣因為絕大部分都是0元素,如果我們仍然按照普通方式存儲,無疑會 浪費很多空間 ;同時如果進行運算時,0元素對最終結果也沒有幫助, 增加了許多無效計算 . 因此,我們需要設計出新的存儲方式,或者說數據結構來存儲稀疏矩陣.比較常見的有:
對於稀疏矩陣的存儲,為了達到壓縮的目的(節省存儲空間),只存儲非0元素值,但是也要保留非零元素的位置,方便恢復.所以,我們存儲時不僅存儲非零元素值,同時存儲其坐標位置(row,column). 針對這兩者的存儲,會出現不同的設計方案.這里主要介紹COO,CSR和CSC存儲格式.
我們使用三個數組row,column和data分別用來存儲非零元素坐標的row_index,col_index,以及數值.比如:
NNO:The number of nonzero.矩陣非零元素個數. 三個數組的長度都是NNO.data[i]在原稀疏矩陣中的坐標為(row[i],col[i]]).
可以發現,這種存儲方式中,row數組和column數組中有一定的重復元素.我們是否可以針對這個冗餘特性進一步進行壓縮?之後出現CSR,CSC,分別是對row數組和column數組進行了壓縮.
對COO稀疏矩陣存儲格式的三個數組中的row數組進行壓縮.其他兩個數組保持不變;三個數組分別是row_ptr,columns和data.其中columns和data數組長度均為NNO(矩陣的非零元素個數). 如何對COO的row進行壓縮?
row_ptr存儲的是每行的第一個非零元素距離稀疏矩陣第一個元素的偏移位置;
由row_ptr我們可以知道每行非零元素在data中的index范圍.第i行的非零元素為data[row_ptr[i]:row_ptr[i+1]],對data數組的切片,不包含data[row_ptr[i+1]];同時第i行非零元素的col坐標分別為columns[row_ptr[i]:row_ptr[i+1]];對data和columns的訪問相似,index是相同的.
如上圖中,第0行非零元素在data中是data[0:2],就是1,7;列坐標為columns[0:2],就是0,1,第1行非零元素為data[2:4],有兩個元素2和8,列坐標分別為columns[2:4],1和2.
方便進行行操作.
和CSR類似.只不過對列進行壓縮,row和data保持不變.
方便進行列操作.
❾ 多維數組-矩陣的壓縮存儲- 稀疏矩陣（一）
稀疏矩陣
設矩陣A mn 中有s個非零元素 若s遠遠小於矩陣元素的總數(即s< <m×n)，則稱a為稀疏矩陣。 p=""> </m×n)，則稱a為稀疏矩陣。>
1、稀疏矩陣的壓縮存儲
為了節省存儲單元，可只存儲非零元素。由於非零元素的分布一般是沒有規律的，因此在存儲非零元素的同時，還必須存儲非零
元素所在的行號、列號，才能迅速確定一個非零元素是矩陣中的哪一個元素。稀疏矩陣的壓縮存儲會失去隨機存取功能。
其中每一個非零元素所在的行號、列號和值組成一個三元組(i，j，a ij )，並由此三元組惟一確定。
稀疏矩陣進行壓縮存儲通常有兩類方法：順序存儲和鏈式存儲。鏈式存儲方法【參見參考書目】。
2、三元組表
將表示稀疏矩陣的非零元素的三元組按行優先(或列優先)的順序排列(跳過零元素)，並依次存放在向量中，這種稀疏矩陣的順序
存儲結構稱為三元組表。
注意：
以下的討論中，均假定三元組是按行優先順序排列的。
【例】下圖(a)所示的稀疏矩陣A的三元組表表示見圖(b)
(1)三元組表的類型說明
為了運算方便，將矩陣的總行數、總列數及非零元素的總數均作為三元組表的屬性進行描述。.WINGwIT.其類型描述為：
#define MaxSize 10000 //由用戶定義
typedef int DataType; //由用戶定義
typedef struct { //三元組
int i，j;//非零元的行、列號
DataType v; //非零元的值
}TriTupleNode;
typedef struct{ //三元組表
TriTupleNode data[MaxSize]; //三元組表空間
int m,n，t; //矩陣的行數、列數及非零元個數
}TriTupleTable;
(2) 壓縮存儲結構上矩陣的轉置運算
一個m×n的矩陣A，它的轉置矩陣B是一個n×m的矩陣，且：
A[i][j]=B[j][i]，0≤i <m，0≤j<n， p=""> </m，0≤j<n，>
即A的行是B的列，A的列是B的行。
【例】下圖中的B和上圖中的A互為轉置矩陣。
①三元組表表示的矩陣轉置的思想方法
第一步：根據A矩陣的行數、列數和非零元總數確定B矩陣的列數、行數和非零元總數。
第二步：當三元組表非空(A矩陣的非零元不為0)時，根據A矩陣三元組表的結點空間data(以下簡稱為三元組表)，將A的三
元組表a->data置換為B的三元組表b->data。
②三元組表的轉置
方法一:簡單地交換a->data中i和j中的內容，得到按列優先順序存儲倒b->data;再將b->data重排成按行優先順序的三元組表。
方法二:由於A的列是B的行，因此，按a->data的列序轉置，所得到的轉置矩陣B的三元組表b->data必定是按行優先存放的。
按這種方法設計的演算法，其基本思想是：對A中的每一列col(0≤col≤a->n-1)，通過從頭至尾掃描三元組表a->data，找出所有
列號等於col的那些三元組，將它們的行號和列號互換後依次放人b->data中，即可得到B的按行優先的壓縮存貯表示。具體實現參見
【 動畫演示 】
③具體演算法：
void TransMatrix(TriTupleTable *b，TriTupleTable *a)
{//*a，*b是矩陣A、B的三元組表表示，求A轉置為B
int p，q，col;
b->m=a->n; b->n=a->m; //A和B的行列總數互換
b->t=a->t; //非零元總數
if(b->t<=0)
Error("A=0"); //A中無非零元，退出
q=0;
for(col=0;coln;col++) //對A的每一列
for(p=0;pt;p++) //掃描A的三元組表
if(a->data[p].j==col){ //找列號為col的三元組
b->data[q).i=a->data[p].j;
b->data[q].j=a->data[p].i;
b->data[q].v=a->data[p].v;
q++;
}
} //TransMatrix
④演算法分析
該演算法的時間主要耗費在col和p的二重循環上：
若A的列數為n，非零元素個數t，則執行時間為O(n×t)，即與A的列數和非零元素個數的乘積成正比。
通常用二維數組表示矩陣時，其轉置演算法的執行時間是O(m×n)，它正比於行數和列數的乘積。
由於非零元素個數一般遠遠大於行數，因此上述稀疏矩陣轉置演算法的時間大於通常的轉置演算法的時間。
lishixin/Article/program/sjjg/201311/23897
❿ 對稀疏矩陣進行壓縮存儲目的是() A．便於進行矩陣運算 B．便於輸入和輸出 C．節省存儲空間 D．降低運
對稀疏矩陣進行壓縮存儲目的是節省存儲空間。
稀疏矩陣的存儲方式：
存儲矩陣的一般方法是採用二維數組，其優點是可以隨機地訪問每一個元素，因而能夠較容易地實現矩陣的各種運算。但對於稀疏矩陣而言，若用二維數組來表示，會重復存儲了很多個0了，浪費空間，而且要花費時間來進行零元素的無效計算。所以必須考慮對稀疏矩陣進行壓縮存儲。
(10)對稀疏矩形採用壓縮存儲缺點擴展閱讀：
最常用的稀疏矩陣存儲格式主要有：三元組（i,j,a(i,j)）和CSR（Compressed Sparse Row）。
（1） 三元組（i,j,a(i,j)）（也叫COO（Coordinate Format））
三元組（i,j,a(i,j)）很簡單，就是使用3個數組，分別存儲全部非零元的行下標（row index）、列下標（column index）和值（value）
（2） CSR存儲（Compressed Sparse Row，壓縮稀疏的行）
CSR是比較標準的一種，也需要三類數據來表達：數值，列號，以及行偏移。數值和列號與COO一致，表示一個元素以及其列號，行偏移表示某一行的第一個元素在values裡面的起始偏移位置。