java-数据结构-哈夫曼编码(Huffman Coding)

最新推荐文章于 2023-07-18 17:27:42 发布
最新推荐文章于 2023-07-18 17:27:42 发布
阅读量600 收藏 4
点赞数
分类专栏： 转载 java 文章标签： java 数据结构  哈夫曼 赫夫曼树
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/e891377/article/details/99637676
版权
java 同时被 2 个专栏收录
178 篇文章 5 订阅
订阅专栏
转载
70 篇文章 0 订阅
订阅专栏

java-数据结构-哈夫曼编码

概念

哈夫曼编码(Huffman Coding)，又称霍夫曼编码，是一种编码方式，哈夫曼编码是可变字长编码(VLC)的一种。Huffman于1952年提出一种编码方法，该方法完全依据字符出现概率来构造异字头的平均长度最短的码字，有时称之为最佳编码，一般就叫做Huffman编码（有时也称为霍夫曼编码）。

代码

package com.huffmancode;

import java.io.FileInputStream;
import java.io.FileOutputStream;
import java.io.InputStream;
import java.io.ObjectInputStream;
import java.io.ObjectOutputStream;
import java.io.OutputStream;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.Collections;
import java.util.HashMap;
import java.util.List;
import java.util.Map;

public class HuffmanCode {

	public static void main(String[] args) {
		
		//测试压缩文件
		String srcFile = "D://Uninstall.xml";
		String dstFile = "D://Uninstall.zip";
		
		zipFile(srcFile, dstFile);
		System.out.println("压缩文件ok~~");
		
		
		//测试解压文件
//		String zipFile = "d://Uninstall.zip";
//		String dstFile = "d://Uninstall2.xml";
//		unZipFile(zipFile, dstFile);
//		System.out.println("解压成功!");
		
		
		/*
		 * String content = "i like like like java do you like a java"; byte[]
		 * contentBytes = content.getBytes(); System.out.println(contentBytes.length);
		 * //40
		 * 
		 * byte[] huffmanCodesBytes= huffmanZip(contentBytes);
		 * System.out.println("压缩后的结果是:" + Arrays.toString(huffmanCodesBytes) + " 长度= "
		 * + huffmanCodesBytes.length);
		 * 
		 * 
		 * //测试一把byteToBitString方法 //System.out.println(byteToBitString((byte)1));
		 * byte[] sourceBytes = decode(huffmanCodes, huffmanCodesBytes);
		 * 
		 * System.out.println("原来的字符串=" + new String(sourceBytes)); //
		 * "i like like like java do you like a java"
		 */		
		
		
		
		//如何将 数据进行解压(解码)  
		//分步过程
		/*
		List<Node> nodes = getNodes(contentBytes);
		System.out.println("nodes=" + nodes);
		
		//测试一把，创建的赫夫曼树
		System.out.println("赫夫曼树");
		Node huffmanTreeRoot = createHuffmanTree(nodes);
		System.out.println("前序遍历");
		huffmanTreeRoot.preOrder();
		
		//测试一把是否生成了对应的赫夫曼编码
		Map<Byte, String> huffmanCodes = getCodes(huffmanTreeRoot);
		System.out.println("~生成的赫夫曼编码表= " + huffmanCodes);
		
		//测试
		byte[] huffmanCodeBytes = zip(contentBytes, huffmanCodes);
		System.out.println("huffmanCodeBytes=" + Arrays.toString(huffmanCodeBytes));//17
		
		//发送huffmanCodeBytes 数组 */
		
		
	}
	
	//编写一个方法，完成对压缩文件的解压
	/**
	 * 
	 * @param zipFile 准备解压的文件
	 * @param dstFile 将文件解压到哪个路径
	 */
	public static void unZipFile(String zipFile, String dstFile) {
		
		//定义文件输入流
		InputStream is = null;
		//定义一个对象输入流
		ObjectInputStream ois = null;
		//定义文件的输出流
		OutputStream os = null;
		try {
			//创建文件输入流
			is = new FileInputStream(zipFile);
			//创建一个和  is关联的对象输入流
			ois = new ObjectInputStream(is);
			//读取byte数组  huffmanBytes
			byte[] huffmanBytes = (byte[])ois.readObject();
			//读取赫夫曼编码表
			Map<Byte,String> huffmanCodes = (Map<Byte,String>)ois.readObject();
			
			//解码
			byte[] bytes = decode(huffmanCodes, huffmanBytes);
			//将bytes 数组写入到目标文件
			os = new FileOutputStream(dstFile);
			//写数据到 dstFile 文件
			os.write(bytes);
		} catch (Exception e) {
			System.out.println(e.getMessage());
		} finally {
			
			try {
				os.close();
				ois.close();
				is.close();
			} catch (Exception e2) {
				System.out.println(e2.getMessage());
			}
			
		}
	}
	
	//编写方法，将一个文件进行压缩
	/**
	 * 
	 * @param srcFile 你传入的希望压缩的文件的全路径
	 * @param dstFile 我们压缩后将压缩文件放到哪个目录
	 */
	public static void zipFile(String srcFile, String dstFile) {
		
		//创建输出流
		OutputStream os = null;
		ObjectOutputStream oos = null;
		//创建文件的输入流
		FileInputStream is = null;
		try {
			//创建文件的输入流
			is = new FileInputStream(srcFile);
			//创建一个和源文件大小一样的byte[]
			byte[] b = new byte[is.available()];
			//读取文件
			is.read(b);
			//直接对源文件压缩
			byte[] huffmanBytes = huffmanZip(b);
			//创建文件的输出流, 存放压缩文件
			os = new FileOutputStream(dstFile);
			//创建一个和文件输出流关联的ObjectOutputStream
			oos = new ObjectOutputStream(os);
			//把 赫夫曼编码后的字节数组写入压缩文件
			oos.writeObject(huffmanBytes); //我们是把
			//这里我们以对象流的方式写入 赫夫曼编码，是为了以后我们恢复源文件时使用
			//注意一定要把赫夫曼编码 写入压缩文件
			oos.writeObject(huffmanCodes);
			
			
		}catch (Exception e) {
			// TODO: handle exception
			System.out.println(e.getMessage());
		}finally {
			try {
				is.close();
				oos.close();
				os.close();
			}catch (Exception e) {
				// TODO: handle exception
				System.out.println(e.getMessage());
			}
		}
		
	}
	
	//完成数据的解压
	//思路
	//1. 将huffmanCodeBytes [-88, -65, -56, -65, -56, -65, -55, 77, -57, 6, -24, -14, -117, -4, -60, -90, 28]
	//   重写先转成 赫夫曼编码对应的二进制的字符串 "1010100010111..."
	//2.  赫夫曼编码对应的二进制的字符串 "1010100010111..." =》 对照 赫夫曼编码  =》 "i like like like java do you like a java"
	
	
	//编写一个方法，完成对压缩数据的解码
	/**
	 * 
	 * @param huffmanCodes 赫夫曼编码表 map
	 * @param huffmanBytes 赫夫曼编码得到的字节数组
	 * @return 就是原来的字符串对应的数组
	 */
	private static byte[] decode(Map<Byte,String> huffmanCodes, byte[] huffmanBytes) {
		
		//1. 先得到 huffmanBytes 对应的 二进制的字符串 ， 形式 1010100010111...
		StringBuilder stringBuilder = new StringBuilder();
		//将byte数组转成二进制的字符串
		for(int i = 0; i < huffmanBytes.length; i++) {
			byte b = huffmanBytes[i];
			//判断是不是最后一个字节
			boolean flag = (i == huffmanBytes.length - 1);
			stringBuilder.append(byteToBitString(!flag, b));
		}
		//把字符串安装指定的赫夫曼编码进行解码
		//把赫夫曼编码表进行调换，因为反向查询 a->100 100->a
		Map<String, Byte>  map = new HashMap<String,Byte>();
		for(Map.Entry<Byte, String> entry: huffmanCodes.entrySet()) {
			map.put(entry.getValue(), entry.getKey());
		}
		
		//创建要给集合，存放byte
		List<Byte> list = new ArrayList<>();
		//i 可以理解成就是索引,扫描 stringBuilder 
		for(int  i = 0; i < stringBuilder.length(); ) {
			int count = 1; // 小的计数器
			boolean flag = true;
			Byte b = null;
			
			while(flag) {
				//1010100010111...
				//递增的取出 key 1 
				String key = stringBuilder.substring(i, i+count);//i 不动，让count移动，指定匹配到一个字符
				b = map.get(key);
				if(b == null) {//说明没有匹配到
					count++;
				}else {
					//匹配到
					flag = false;
				}
			}
			list.add(b);
			i += count;//i 直接移动到 count	
		}
		//当for循环结束后，我们list中就存放了所有的字符  "i like like like java do you like a java"
		//把list 中的数据放入到byte[] 并返回
		byte b[] = new byte[list.size()];
		for(int i = 0;i < b.length; i++) {
			b[i] = list.get(i);
		}
		return b;
		
	}
 	
	/**
	 * 将一个byte 转成一个二进制的字符串, 如果看不懂，可以参考我讲的Java基础 二进制的原码，反码，补码
	 * @param b 传入的 byte
	 * @param flag 标志是否需要补高位如果是true ，表示需要补高位，如果是false表示不补, 如果是最后一个字节，无需补高位
	 * @return 是该b 对应的二进制的字符串，（注意是按补码返回）
	 */
	private static String byteToBitString(boolean flag, byte b) {
		//使用变量保存 b
		int temp = b; //将 b 转成 int
		//如果是正数我们还存在补高位
		if(flag) {
			temp |= 256; //按位与 256  1 0000 0000  | 0000 0001 => 1 0000 0001
		}
		String str = Integer.toBinaryString(temp); //返回的是temp对应的二进制的补码
		if(flag) {
			return str.substring(str.length() - 8);
		} else {
			return str;
		}
	}
	
	//使用一个方法，将前面的方法封装起来，便于我们的调用.
	/**
	 * 
	 * @param bytes 原始的字符串对应的字节数组
	 * @return 是经过 赫夫曼编码处理后的字节数组(压缩后的数组)
	 */
	private static byte[] huffmanZip(byte[] bytes) {
		List<Node> nodes = getNodes(bytes);
		//根据 nodes 创建的赫夫曼树
		Node huffmanTreeRoot = createHuffmanTree(nodes);
		//对应的赫夫曼编码(根据 赫夫曼树)
		Map<Byte, String> huffmanCodes = getCodes(huffmanTreeRoot);
		//根据生成的赫夫曼编码，压缩得到压缩后的赫夫曼编码字节数组
		byte[] huffmanCodeBytes = zip(bytes, huffmanCodes);
		return huffmanCodeBytes;
	}
	
	
	//编写一个方法，将字符串对应的byte[] 数组，通过生成的赫夫曼编码表，返回一个赫夫曼编码 压缩后的byte[]
	/**
	 * 
	 * @param bytes 这时原始的字符串对应的 byte[]
	 * @param huffmanCodes 生成的赫夫曼编码map
	 * @return 返回赫夫曼编码处理后的 byte[] 
	 * 举例： String content = "i like like like java do you like a java"; =》 byte[] contentBytes = content.getBytes();
	 * 返回的是 字符串 "1010100010111111110010001011111111001000101111111100100101001101110001110000011011101000111100101000101111111100110001001010011011100"
	 * => 对应的 byte[] huffmanCodeBytes  ，即 8位对应一个 byte,放入到 huffmanCodeBytes
	 * huffmanCodeBytes[0] =  10101000(补码) => byte  [推导  10101000=> 10101000 - 1 => 10100111(反码)=> 11011000= -88 ]
	 * huffmanCodeBytes[1] = -88
	 */
	private static byte[] zip(byte[] bytes, Map<Byte, String> huffmanCodes) {
		
		//1.利用 huffmanCodes 将  bytes 转成  赫夫曼编码对应的字符串
		StringBuilder stringBuilder = new StringBuilder();
		//遍历bytes 数组 
		for(byte b: bytes) {
			stringBuilder.append(huffmanCodes.get(b));
		}
		
		//System.out.println("测试 stringBuilder~~~=" + stringBuilder.toString());
		
		//将 "1010100010111111110..." 转成 byte[]
		
		//统计返回  byte[] huffmanCodeBytes 长度
		//一句话 int len = (stringBuilder.length() + 7) / 8;
		int len;
		if(stringBuilder.length() % 8 == 0) {
			len = stringBuilder.length() / 8;
		} else {
			len = stringBuilder.length() / 8 + 1;
		}
		//创建 存储压缩后的 byte数组
		byte[] huffmanCodeBytes = new byte[len];
		int index = 0;//记录是第几个byte
		for (int i = 0; i < stringBuilder.length(); i += 8) { //因为是每8位对应一个byte,所以步长 +8
				String strByte;
				if(i+8 > stringBuilder.length()) {//不够8位
					strByte = stringBuilder.substring(i);
				}else{
					strByte = stringBuilder.substring(i, i + 8);
				}	
				//将strByte 转成一个byte,放入到 huffmanCodeBytes
				huffmanCodeBytes[index] = (byte)Integer.parseInt(strByte, 2);
				index++;
		}
		return huffmanCodeBytes;
	}
	
	//生成赫夫曼树对应的赫夫曼编码
	//思路:
	//1. 将赫夫曼编码表存放在 Map<Byte,String> 形式
	//   生成的赫夫曼编码表{32=01, 97=100, 100=11000, 117=11001, 101=1110, 118=11011, 105=101, 121=11010, 106=0010, 107=1111, 108=000, 111=0011}
	static Map<Byte, String> huffmanCodes = new HashMap<Byte,String>();
	//2. 在生成赫夫曼编码表示，需要去拼接路径, 定义一个StringBuilder 存储某个叶子结点的路径
	static StringBuilder stringBuilder = new StringBuilder();
	
	
	//为了调用方便，我们重载 getCodes
	private static Map<Byte, String> getCodes(Node root) {
		if(root == null) {
			return null;
		}
		//处理root的左子树
		getCodes(root.left, "0", stringBuilder);
		//处理root的右子树
		getCodes(root.right, "1", stringBuilder);
		return huffmanCodes;
	}
	
	/**
	 * 功能：将传入的node结点的所有叶子结点的赫夫曼编码得到，并放入到huffmanCodes集合
	 * @param node  传入结点
	 * @param code  路径： 左子结点是 0, 右子结点 1
	 * @param stringBuilder 用于拼接路径
	 */
	private static void getCodes(Node node, String code, StringBuilder stringBuilder) {
		StringBuilder stringBuilder2 = new StringBuilder(stringBuilder);
		//将code 加入到 stringBuilder2
		stringBuilder2.append(code);
		if(node != null) { //如果node == null不处理
			//判断当前node 是叶子结点还是非叶子结点
			if(node.data == null) { //非叶子结点
				//递归处理
				//向左递归
				getCodes(node.left, "0", stringBuilder2);
				//向右递归
				getCodes(node.right, "1", stringBuilder2);
			} else { //说明是一个叶子结点
				//就表示找到某个叶子结点的最后
				huffmanCodes.put(node.data, stringBuilder2.toString());
			}
		}
	}
	
	//前序遍历的方法
	private static void preOrder(Node root) {
		if(root != null) {
			root.preOrder();
		}else {
			System.out.println("赫夫曼树为空");
		}
	}
	
	/**
	 * 
	 * @param bytes 接收字节数组
	 * @return 返回的就是 List 形式   [Node[date=97 ,weight = 5], Node[]date=32,weight = 9]......],
	 */
	private static List<Node> getNodes(byte[] bytes) {
		
		//1创建一个ArrayList
		ArrayList<Node> nodes = new ArrayList<Node>();
		
		//遍历 bytes , 统计 每一个byte出现的次数->map[key,value]
		Map<Byte, Integer> counts = new HashMap<>();
		for (byte b : bytes) {
			Integer count = counts.get(b);
			if (count == null) { // Map还没有这个字符数据,第一次
				counts.put(b, 1);
			} else {
				counts.put(b, count + 1);
			}
		}
		
		//把每一个键值对转成一个Node 对象，并加入到nodes集合
		//遍历map
		for(Map.Entry<Byte, Integer> entry: counts.entrySet()) {
			nodes.add(new Node(entry.getKey(), entry.getValue()));
		}
		return nodes;
		
	}
	
	//可以通过List 创建对应的赫夫曼树
	private static Node createHuffmanTree(List<Node> nodes) {
		
		while(nodes.size() > 1) {
			//排序, 从小到大
			Collections.sort(nodes);
			//取出第一颗最小的二叉树
			Node leftNode = nodes.get(0);
			//取出第二颗最小的二叉树
			Node rightNode = nodes.get(1);
			//创建一颗新的二叉树,它的根节点 没有data, 只有权值
			Node parent = new Node(null, leftNode.weight + rightNode.weight);
			parent.left = leftNode;
			parent.right = rightNode;
			
			//将已经处理的两颗二叉树从nodes删除
			nodes.remove(leftNode);
			nodes.remove(rightNode);
			//将新的二叉树，加入到nodes
			nodes.add(parent);
			
		}
		//nodes 最后的结点，就是赫夫曼树的根结点
		return nodes.get(0);
		
	}
	

}



//创建Node ,待数据和权值
class Node implements Comparable<Node>  {
	Byte data; // 存放数据(字符)本身，比如'a' => 97 ' ' => 32
	int weight; //权值, 表示字符出现的次数
	Node left;//
	Node right;
	public Node(Byte data, int weight) {
		
		this.data = data;
		this.weight = weight;
	}
	@Override
	public int compareTo(Node o) {
		// 从小到大排序
		return this.weight - o.weight;
	}
	
	public String toString() {
		return "Node [data = " + data + " weight=" + weight + "]";
	}
	
	//前序遍历
	public void preOrder() {
		System.out.println(this);
		if(this.left != null) {
			this.left.preOrder();
		}
		if(this.right != null) {
			this.right.preOrder();
		}
	}
}
怪我冷i
关注
专栏目录
哈夫曼编码过程
03-08
java 实现哈夫曼编码过程
陈瑞瑞潘童童程乐黄明深哈夫曼编码与信道编码
lily_ahu的博客
06-25 3591
哈夫曼与信道编码 哈夫曼编码 一、哈夫曼编码定义:哈夫曼编码是无失真信源编码中一种不等长分组码、唯一可译码、及时码。依据各字符出现概率来构造码字（概率匹配的方法进行信源编码）其基本原理是基于二叉树的编码思想。 观察一个二进制哈夫曼码树，每一个信源符号ai都对应于树的一个终端节点，拥有一个码字。 信源符号ai出现概率越高，树的节数越小，码长越小。信源符号ai出现概率越低，树的节数越大，码长越大。 哈夫曼编码每一个码字都从低位到高位来编.对于一个码字，每进一位，树的节点向上走一级，代表当前符号被合并.
哈夫曼编码的实现及多进制的扩展
lily_ahu的博客
07-18 5024
本文介绍了哈夫曼编码的使用，而哈夫曼编码可以有效减少数据存储空间，提高数据传输效率。
哈夫曼编码
weixin_49076273的博客
03-10 1094
哈夫曼编码： 哈夫曼编码是广泛地用于数据文件压缩的一个十分有效的编码方法。压缩率在20%~90%之间。 哈夫曼编码算法用一个字符在文件中出现的频率表来建立一个用0,1串表示字符的最优表示方式。 即频率越高，0,1串就越简短，从而整体的内存也会被压缩下来； 哈夫曼编码的构造： 1.将n个结点分别作为n棵仅含一个结点的二叉树，构成森林F； 2.构造一个新结点，从F中选取俩棵权值最小的树作为新结点的左右子树，并且将新结点的权值置为左右子树的权值之和； 3.从F中删除刚才选出的俩棵树，同时将新构造的树加入F中； 4
三种编码方式（费诺曼编码，霍夫曼编码，哈夫曼树编码）的简单解释和介绍
m0_74892619的博客
06-08 2923
哈夫曼树是一种被压缩数据的编码方法，根据哈夫曼树的定义，当一条边向左分支走时，我们可以将其用二进制0表示；因此，哈夫曼树的存储可以使用0表示左分支，使用1表示右分支。霍夫曼(Huffman)编码是一种经典的前缀编码技术，通常用于数据压缩领域。它的基本思想是对不同符号的出现频率进行统计，然后根据不同符号出现的概率来构造不同长度的编码，以达到信息的最优压缩。费诺曼(Fano)编码是一种前缀编码，其基本原理是将出现频率较高的符号用短的编码表示，而出现频率较低的符号则用长的编码表示。
Huffman-coding-version-2.rar_Java哈夫曼编码_哈夫曼编码
09-24
通过研究这个“哈夫曼压缩编码版本2.java”的源代码，你可以深入了解哈夫曼编码的实现细节，包括如何有效地构建和遍历哈夫曼树，以及如何在内存中存储和操作这些数据结构。此外，通过阅读注释，还可以学习如何优化...
C++哈夫曼编码和哈夫曼译码-数据结构作业
11-08
在"C++哈夫曼编码和哈夫曼译码-数据结构作业"的项目中，`Huffman_Code-main`可能是主程序文件，其中包含了构建哈夫曼树、生成编码、编码文本以及进行译码的实现。可能包括了结构体或类来表示哈夫曼树节点，优先队列...
hafuman.rar_Java哈夫曼编码_huffman_huffman java_vlc_哈夫曼编码
09-19
哈夫曼编码是一种高效的数据压缩方法，特别是在文本和图像...总的来说，哈夫曼编码是数据压缩领域的一个重要概念，其Java实现涉及到数据结构、算法和文件操作等多个方面，对于理解和优化数据传输和存储具有重要意义。
哈夫曼编码的matlab代码-Huffman-Coding:霍夫曼编码
05-28
哈夫曼编码的matlab代码霍夫曼编码 Matlab中的Huffman编码实现： huffmanenco.m：编码功能 huffmandict.m：字典函数 huffmandeco.m：解码功能 data / kwords.txt：用于实验的数据 使用Huffamn编码进行文本压缩：
HuffmanCoding-哈夫曼树
最新发布
11-01
哈夫曼树 哈夫曼树 哈夫曼树 哈夫曼树 哈夫曼树
【通信原理 入坑之路】—— 信息论部分 离散无记忆信源的不等长编码 之 霍夫曼编码过程详解
凝望，划过星空的博客
10-25 2146
还记得在上一篇博客中，我们讨论的离散无记忆信源的等长编码吗，我们最后得到的结论是 —— 如果使用等长编码，那么对典型序列编码的编码效率是最高的。然而，要满足较高的编码效率，同时还要保证误码率的情况下，等长编码中要求的 JJJ 将会相当大。这显然在实际中是难以实现的，不仅占用的缓存大而且会造成延时。 但换一个思路：在实际信源中，每一个符号出现的概率都不一定相等，如果我们把出现概率高的符号，用更短的码字表示；对出现概率较低的符号用较长的码字表示，这样编码效率不就上去了吗！这就是不等长编码。本文主要介绍霍夫曼编.
Java数据结构——哈夫曼编码
猫头夜鹰的小屋
08-11 555
Java实现哈夫曼编码
哈夫曼编码细解& Java 实现
qq_45902997的博客
10-26 3315
哈夫曼编码的详细讲解（基于java）： 本文参考: link. 什么是霍夫曼编码 哈夫曼编码(Huffman Coding)，又称霍夫曼编码，是一种编码方式，哈夫曼编码是可变字长编码(VLC)的一种。该方法完全依据字符出现概率来构造异字头的平均长度最短的码字，有时称之为最 佳编码，一般就叫做Huffman编码（有时也称为霍夫曼编码） 简单来说，若在一个字符串中，知道每个字母各自出现的频率，通过将出现频率较大的字符采用较少位数来编码的方式达到压缩的目的，即一个字符出现的频次越大，它的编码位数应该更少 实例 假
哈夫曼树和哈夫曼编码
959
06-01 1893
文章目录哈夫曼树的定义哈夫曼树的构造哈夫曼编码（哈夫曼的重要应用） 哈夫曼树的定义 在实际应用中，树中结点常常被赋予一个表示某种意义的数值，称为该结点的权。 从树根结点到任意结点的路径长度（经过的边数）与该结点上权值的乘积，称为该结点的带权路径长度。 树中所有叶结点的带权路径长度之和称为该树的带权路径长度，记为 式中，是第i个叶结点所带的权值，是该叶结点到根结点的路径长度。 在含有n个带权叶子结点的二叉树中，其中带权路径长度（WPL）最小的二叉树称为哈夫曼树，也称为最优二叉树。哈夫曼树一定是一颗二叉树。
数据压缩实验三 Huffman编解码算法实现与压缩效率分析
zgyggy的博客
04-22 3021
一、实验原理 1、Huffman编码 Huffman  Coding（哈夫曼编码）是一种无失真的编码方式，是可变字长编码（VLC）的一种。 Huffman编码基于信源的概率统计模型，它的基本思路是：出现概率大的信源符号编长码，出现概率小的信源符号编短码，从而使平均码长最小。 在程序实现时常使用一种叫树的数据结构实现Huffman编码，由它编出的码是即时码。 2、Huffman编码方法
java哈夫曼编码详解
qq_44859843的博客
09-24 1500
【说明】：核心思想在于哈夫曼树的构建、哈夫曼编码的输出、结点的定义（我个人将测试单独放在一个类中，这样主方法更加的轻捷，建议这样使用）。同时将将类放在一个包中。如下： 1.TreeNode.java(树的结点定义) package com.yang.huffman; /** * 哈夫曼树结点定义 */ public class TreeNode { // 数据域 private String data; // 权重 private int weight; //
使用Java实现哈夫曼编码（Huffman Coding）
zzq的博客
07-06 5577
源码之后会上传到CSDN下载平台和github...
哈夫曼编码（Java）
weixin_48544279的博客
09-06 1395
有一说一，文章的内容出自韩顺平的数据结构和算法教程，搭配韩老师的视频教程一起观看效果会更佳。文章内有视频教学地址。
最小生成树不唯一但路径中的边权不完全相同_哈夫曼树和哈夫曼编码介绍以及Java实现案例...
weixin_39517289的博客
12-01 1063
1哈夫曼树1.1哈夫曼树简介  哈夫曼树：给定N个权值作为N个叶子节点，构造一棵二叉树，若该树的带权路径长度达到最小，称这样的二叉树为最优二叉树，也称为哈夫曼树(Huffman Tree)。哈夫曼树是带权路径长度最短的树，权值较大的结点离根较近。  以下图为例，先说明几个概念：权：  赋予某个实体的一个量，是对实体的某个或某些属性的数值描述。在数据结构中，实体有节点(元素)和边(关系)两...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值