6.哈夫曼树及哈夫曼编码

最新推荐文章于 2024-04-22 21:34:29 发布
最新推荐文章于 2024-04-22 21:34:29 发布
阅读量3.2k 收藏
点赞数 1
分类专栏： 工作准备（面试） c++语言 算法与数据结构
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/hopegrace/article/details/96907853
版权

WPL=1*45+3*(13+12+16)+4*(5+9)=224 此处的WPL可以视为最终编码得到二进制编码的长度，共224位。利用哈夫曼树剋设计出总长度最短的二进制前缀编码。

案例：字符串“alibaba”用哈夫曼编码共有多少位？

a:3 b:2 l:1 i:1   wpl=3*1+2*2+3+3=13

hopegrace
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
C++实现哈夫曼树及哈夫曼编码.rar
06-02
哈夫曼树（Huffman Tree）与哈夫曼编码（Huffman Coding）是数据压缩领域中的重要算法，它们主要用于无损数据压缩。哈夫曼编码是一种前缀编码方法，通过构建最优二叉树来实现字符的高效编码，使得常用字符的编码长度...
等长编码
m0_53970637的博客
03-24 6845
7-8 等长编码 (30 分) 等长编码是一种简单且译码具有唯一性的编码方式，这种编码方式的特点是每个字符的编码长度相同（编码长度就是每个编码所含的二进制位数）。假设字符集只含有4个字符A，B，C，D，用两位二进制表示的编码分别为00，01，10，11。 现有n个字符需要编码，编号为1-n，其二进制编码按照字典序递增顺序进行对照，比如当n=8时，二进制编码000，001，010，011，100，101，110，111分别是编号1,2,3,4,5,6,7,8的编码。 给定字符总个数n和其中一个字符编
数据结构 （四） -- 树
Touale的博客
01-12 2610
根据luofang师姐还有网上做的笔记 二叉树的性质 1.顺序存储 2.链式存储 Typedef struct BiTNode { TElemType data; struct BiTNode *lchild,*rchild; }BiTNode,*BiTree; 中序遍历的递归算法 void InOrderTraverse(BiTree T) { if(T) { InOrderTraverse(T->lchild); cout<<T->data; InOr
漫话算法：哈夫曼树与哈夫曼编码
最新发布
whcwhc111111的博客
04-22 203
哈夫曼树并不是真正意义上的树，它只是一个普通结构体，构建等操作也是在数组中完成的，所有这个结构体的元素有父元素，左节点元素，右节点元素，权重以及标志（叶子节点还是非叶子节点），哈夫曼树的原始节点全部为叶子节点，其余节点全靠后来添加。
哈夫曼编码
优秀的判断力来自经验，但经验来自于错误的判断
11-23 8876
一、定义                 最简单的二进制编码方式是等长编码。例如，假定电文中只使用A、B、C、D、E、F这六种字符，若进行等长编码，则需要二进制的3位，可依次编码为000,001,010,011,100,101。若用这六个字符作为6个叶子结点，生成一棵二叉树，让该二叉树中每个分支结点的左、右分支分别用0和1编码，从树根结点到每个叶子结点的路径上所经分支的0,1编码序列应等
数据结构作业-严蔚敏-5.2.(3)
weixin_51273111的博客
11-12 1万+
文章目录一、题目说明二、解答 一、题目说明 假设用于通信的电文仅由8个字母组成，字母在电文中出现的频率分别为0.07，0.19, 0.02, 0.06, 0.32, 0.03, 0.21, 0.10。 1）试为这8个字母设置哈夫曼编码。 2）试设计另一种由二进制表示的等长编码方案。 3）对于上述实例，比较两种方案的优缺点。 二、解答 1）可以将频率放大100倍，以方便计算，不影响哈夫曼树的构造。 w={7, 19, 2, 6, 32, 3, 21, 10},根据哈夫曼树的构造规则（参考博文：哈夫
二进制的计算
qq_35452726的博客
02-28 1064
计算机最喜欢的数字就是 0 和 1，在 CPU 的世界中，它只认识这两个数字，即使是强大的操作系统，也都是由 0 和 1 组成的。作为一名软件开发者，入门学习的内容可能就是认识这 2 个既简单、又强大的数字。但是大部分人，对于二进制、二进制计算、原码、反码以及补码的认识，仍处于机械的强制记忆阶段。尤其是对一些编码和计算，仍然处于模糊的认识阶段，例如：CPU 是如何表示负数的？为什么补码可以用来表示负数？一个 8 位的二进制数，最小值为什么是 -128，而不是 -127？
哈夫曼树与哈夫曼编码及等长编码
m0_75220252的博客
03-22 9050
哈夫曼树构造，哈夫曼编码以及等长编码
哈夫曼树与哈夫曼编码介绍.zip
04-18
哈夫曼树与哈夫曼编码是数据结构和算法领域中的重要概念，主要应用于数据压缩和效率优化。它们是基于贪心策略的高效算法，旨在最小化带权路径长度（WPL），从而达到最佳编码的效果。 哈夫曼树，又称为最优二叉树或...
4. 哈夫曼树构造、编码与译码.c
03-12
哈夫曼树构造
哈夫曼树及哈夫曼编码
fireflylane的博客
09-29 1万+
哈夫曼树 哈夫曼树，最优二叉树，带权路径长度(WPL)最短的树。它没有度为1的点，是一棵严格的二叉树(满二叉树)。 何谓‘带权路径长度’ 了解哈夫曼树，我们首先要知道树的几个相关术语，并了解什么是WPL。 路径：从树中一个结点到另一个结点之间的分支构成两个结点之间的路径 路径长度：路径上的分支数目 树的路径长度：从树根到每一个结点的路径长度之和 树的带权路径长度：树中所有叶子结点的带权路径之和W...
解决关于哈夫曼编码计算带权路径长度问题
No detail can be too detailed
07-24 7288
这是在做一道编程提示遇到的，学习了一位博主的编码，其中有些问题未能理解，分析解决掉。 首先什么是哈夫曼树： 哈夫曼树，又称最优二叉树，是一类带权路径长度最短的树。 也就是根节点到节点的中的长度最小，当然条件就是，每条路径都是有权重的， 所谓树的带权路径长度，就是树中所有的叶结点的权值乘上其到根结点的 路径长度（若根结点为0层，叶结点到根结点的路径长度为叶结点的层数）。树的带权路径长度记为WP
关于哈夫曼树与哈夫曼编码以及WPL计算
weixin_44283589的博客
10-12 3073
哈夫曼树 哈夫曼树又称为最优二叉树:给定n个权值作为n的叶子结点,构造一课二叉树,带权路径长度达到最小 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 构造哈夫曼树:根据给定结点的权值,首先选择两个由下向上依次构造 1.从森林中选出两棵根节点权值最小的树作为一课新树的左子树和右子树,此新树的附加根结点的权值为这两个左右子树的权值之和(左子树的权值要小于右子树) 2.从森林中剩余结点选取权值最小的树加入到构造的新树中,向上再次形成新树,直至将森林中所有树加入到构造的新树中,最后形成一课哈夫曼树. 哈夫
赫夫曼树——计算WPL及字符编码
m0_73690532的博客
05-30 2255
HuffmanTree因为翻译不同所以有其他的名字：赫夫曼树、霍夫曼树、哈夫曼树。赫夫曼树，又称最优数，是一类带权路径长度最短的数，有着广泛的应用。这里我们提出两个问题加深对最优二叉树的理解。
数据结构作业14复习
super_iron_man的博客
12-12 3540
根据哈弗曼树的定义，一棵二叉树要使其WPL（带权路径长度）值最小，必须使权值越大的叶子结点越靠近根结点，而权值越小的叶子结点越远离根结点，任一非叶子结点的权值是等于其自己孩子结点权值之和，大于或等于下一层的任一结点的权值 A.结点的孩子个数称为结点的度，哈夫曼树中只有度为2的结点和度为0的叶子结点 B.哈夫曼树的构造是从底到上，从小到大，所以最小权值的两个结点一定用于底部，是兄弟结点 C.根据哈弗曼树的定义，一棵二叉树要使其WPL值最小，必须使权值越大的叶子结点越靠近根结点，而权值越小的叶子结点越..
从计算机二进制认识哈夫曼编码【等长编码、变长编码】
热门推荐
Kevinnsm的博客
10-02 3万+
1.计算机是如何存储信息的？2.等长编码2.1.等长编码的优点2.1.等长编码的缺点3.变长编码3.1.变长编码的缺点3.1.变长编码的优点4.哈夫曼编码4.1.哈夫曼编码的生成过程 1.计算机是如何存储信息的？ 面对数不尽的中文和英文，你能识别，但计算机是无法识别的。我们都知道计算机运行过程中是需要电力进行支持的，所以计算机只能识别低电平和高电平(也就是0和1）。 因此我们在计算机中看到的一切文字、图片、视频等等，底层都是使用二进制进行存储的。 所以说从人能识别的图片文字到计算机能够识别的二进.
wpl计算
weixin_46498855的博客
06-25 7678
5 25 3 6 10 11 36 4 A B C D E F G H 先排序 3 4 5 6 10 11 25 36 wpl=(3+4+5+6)*4+(10+11)*3+(25+36)*2=257
哈夫曼树和哈夫曼编码
u013345179的博客
08-05 196
#include<string.h> #include<cmath> #include<iostream> #include<cstdio> #include<algorithm> #define ll long long using namespace std; struct hfmtree { int parient,lso...
3. 构造哈夫曼树及求出WPL
12-24
以下是构造哈夫曼树及求出WPL的步骤： 1. 统计各个字符出现的频度，并将字符及其频度存储起来。 2. 根据字符频度构建哈夫曼树，其中频度较小的字符作为叶子节点，频度较大的字符作为内部节点。 3. 通过合并频度最小的两个节点来构建哈夫曼树，直到只剩下一个根节点。 4. 对于每个叶子节点，从根节点到该叶子节点的路径上的编码为0或1，其中左子树路径为0，右子树路径为1。 5. 根据哈夫曼树的编码规则，对每个字符进行哈夫曼编码，即将字符映射为对应的二进制编码。 6. 根据哈夫曼编码，对给定的字符串进行编码，将字符串中的每个字符替换为对应的二进制编码。 7. 根据哈夫曼树的编码规则，对编码后的二进制字符串进行哈夫曼译码，即将二进制编码映射为对应的字符。 8. 根据哈夫曼树的结构和字符频度，计算WPL（Weighted Path Length），即所有叶子节点的路径长度乘以对应的频度之和。 下面是一个示例代码，演示了如何构造哈夫曼树及求出WPL： ```python import heapq from collections import Counter class Node: def __init__(self, char, freq): self.char = char self.freq = freq self.left = None self.right = None def __lt__(self, other): return self.freq < other.freq def construct_huffman_tree(string): # 统计字符频度 freq_dict = Counter(string) # 构建叶子节点列表 nodes = [Node(char, freq) for char, freq in freq_dict.items()] # 使用最小堆构建哈夫曼树 heapq.heapify(nodes) # 合并节点直到只剩下一个根节点 while len(nodes) > 1: left = heapq.heappop(nodes) right = heapq.heappop(nodes) parent = Node(None, left.freq + right.freq) parent.left = left parent.right = right heapq.heappush(nodes, parent) # 返回根节点 return nodes[0] def calculate_wpl(node, depth=0): if node is None: return 0 if node.left is None and node.right is None: return node.freq * depth return calculate_wpl(node.left, depth + 1) + calculate_wpl(node.right, depth + 1) # 示例用法 string = "hello world" huffman_tree = construct_huffman_tree(string) wpl = calculate_wpl(huffman_tree) print("WPL:", wpl) ```

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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