#浅谈# 构造哈夫曼树

最新推荐文章于 2022-09-27 18:38:21 发布
最新推荐文章于 2022-09-27 18:38:21 发布
阅读量386 收藏
点赞数 1
分类专栏： 机器学习 数据结构 文章标签： 哈夫曼树 最优二叉树 哈夫曼编码 数据结构 构造哈夫曼树
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/lch551218/article/details/118684232
版权

哈夫曼树又称最优二叉树，哈夫曼树中离根节点越近，节点的权重越大

统计每个数据出现的次数，将每个数据出现的次数组成数组

构造哈夫曼树：

  1. 选择数据列表中最小的两个值，相加成为一个新的节点，并将两个节点较小的值作为左节点，较大的值作为右节点；
  2. 将上一步选择的两个节点在数据列表中删除，将想加得到的新节点的值加入到数据列表中
  3. 重复执行1、2步操作，直至数据列表为空

构造哈夫曼编码

将构造的哈夫曼树所有节点的左分支赋值为0，右分支赋值为1，然后将根节点到每个叶子节点路径上的值连起来作为每个叶子节点对应的数据的哈夫曼编码

详细介绍请参考：

哈夫曼树原理，及构造方法

energy_百分百
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
哈夫曼树的构造
God is Coder
05-02 1235
例：5 9 2 4 第一步：排序 2  4  5  9 第二步：挑出2个最小的  2  4  为叶子构造出   6 2  4 第三步：判断 6 不大于 5或9（剩余叶子中最小的2个）=》 同方向生长，得出：      11   6      5 2  4 第四步：继续生长          20            11       9    6    5
数据结构——哈夫曼树
cdz2470的博客
05-05 7370
1.介绍 哈夫曼树就是树的带权路径长度（WPL）最小的树，树的带权路径长度等于所有叶节点的带权路径长度之和。 而叶节点的带权路径长度等于路径长度与该结点的权值的乘积。 路径长度就是从根节点到该结点所经历的边数。而权值即赋给每个结点的一个数值。 （a）WPL =1*2+3*2+5*2+7*2=32 （b）WPL=1*3+3*3+5*2+7*1=29 （c）WPL=1*2+3*3+5*5+7*1=43 因此，（b）图的WPL最小。 2.算法 假设有n个权值，则构造出的哈夫曼树有n个叶子结点
哈夫曼树和哈弗曼编码
chenxiaozhen22的博客
09-27 540
（这里6是权值，由组成的结点权值相加）
《算法笔记》9.8 哈夫曼树
Zhou9841的博客
12-21 4099
9.8 哈夫曼树 9.8.1 哈夫曼树 先介绍经典的合并果子问题。 有n堆果子，每堆果子的质量已知，现在需要把这些果子合并成一堆，但是每次只能把两堆果子合并到一起，同时会消耗与两堆果子质量之和等值的体力。显然，在进行n-1次合并之后，就只剩下一堆了。为了尽可能节省体力，请设计出合并的次序方案，使得耗费的体力最少，并给出消耗的体力值。 例如有3堆果子，质量依次为1、2、9，那么可以先将质量为1和2的果堆合并，新堆质量为3，因此耗费体力为3。接着，将新堆与原先的质量为9的果堆合并，又得到新的堆，质量为12，因
【数据结构】哈夫曼树的应用实验报告
Junnix的博客
12-09 9807
一． 实验目的 了解二叉树的定义，理解二叉树的基本性质和存储结构，掌握哈夫曼树的构造，实现哈夫曼编码与译码算法。 二． 实验内容 从键盘输入一串电文字符与权值，输出对应的哈夫曼编码；从键盘输入一串二进制代码，输出对应的电文字符串。具体步骤如下： 构造一棵哈夫曼树； 实现哈夫曼编码； 对哈夫曼编码生成的二进制串进行译码； 要求程序中字符和权值是可变的，实现程序的灵活性。 三． 实验工具 DEV-C++ 四． 实验代码 #include<stdio.h> typedef struct { c
哈夫曼树（赫夫曼树、最优树）详解
k1154505318的博客
07-13 4285
赫夫曼树，别名“哈夫曼树”、“最优树”以及“最优二叉树”。学习哈夫曼树之前，首先要了解几个名词。 哈夫曼树相关的几个名词 路径：在一棵树中，一个结点到另一个结点之间的通路，称为路径。图 1 中，从根结点到结点 a 之间的通路就是一条路径。 路径长度：在一条路径中，每经过一个结点，路径长度都要加 1 。例如在一棵树中，规定根结点所在层数为1层，那么从根结点到第 i 层结点的路径长度为 i - 1 。图 1 中从根结点到结点 c 的路径长度为 3。 结点的权：给每一个结点赋予一个新的数值，被称为这个结点的权
hafumanshu.rar_构造哈夫曼树
09-21
在本文中，我们将深入探讨哈夫曼树的构造过程、哈夫曼算法的实现以及如何计算带权路径长度。 哈夫曼树，又称最优二叉树或最小带权路径长度树，是一种特殊的二叉树，它的每个叶子节点代表一个需要编码的字符，而内部...
实现哈夫曼编码，构造哈夫曼树C语言.zip
11-10
哈夫曼编码实现哈夫曼编码，构造哈夫曼树C语言.zip实现哈夫曼编码，构造哈夫曼树C语言.zip实现哈夫曼编码，构造哈夫曼树C语言.zip实现哈夫曼编码，构造哈夫曼树C语言.zip实现哈夫曼编码，构造哈夫曼树C语言.zip
C语言构造哈夫曼树.rar
04-16
给定N个权值作为N个叶子结点，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。
构造哈夫曼树的过程
06-26
首先，构造哈夫曼树的初始步骤是**构成初始集合**。给定一组权值，比如{(7, 9, 2, 6, 32, 3, 21, 10)}，我们为每个权值创建一棵单节点二叉树，节点即为该权值，左右子树均为空。这些树按照权值的升序排列形成集合F，...
构造哈夫曼树，并生成编码
11-08
### 构造哈夫曼树并生成编码 #### 哈夫曼树简介 哈夫曼树（Huffman Tree），又称最优二叉树，是一种带权路径长度最短的二叉树，在数据压缩、编码等领域有广泛的应用。哈夫曼树的构建过程是通过将权值较小的两个节点...
我写哈夫曼树的一点心得及改进
idevede的博客
02-13 2万+
一：首先，讨论并比较基于字符的压缩与基于单词的压缩 1.     基于字符的压缩所用的存储空间固定，但由于每个字符都要编码，相比基于单词的压缩在文章字数较少时更加适用； 2.     基于单词的压缩适用于专业类文章或者其他相关术语等有单词出现频率高的文章的压缩，这样编码的长度会减少很多 3.     对于不同的文章，应综合考虑，或者在大量统计的基础上得出普适规律 4.     无论是基于字
数据结构题：根据所给权值设计相应的哈夫曼树,并设计哈夫曼编码
小宇y的博客
12-05 3万+
文章目录前言一、涉及到的知识点二、例题讲解1、例题12、例题2总结 前言 在数据结构树的这章中，常常有题目，是这样的“给定一组权值…，试设计相应的哈夫曼树”，有的还要求其带权路径长度，还有的是给定字符以及其使用频率，要求设计一个哈夫曼编码，同时要求设计哈夫曼树等等。 为此这种题的步骤解法，我将做详细的讲解，本文介绍两种题型，分别是求哈夫曼树以及设计哈夫曼编码，希望对阅读本博客以及有需要的小伙伴有用，如有错误不当之处，欢迎大佬们指正！ （????????????） 提示：以下是本篇文章正文内容，下面案例
数据结构（四）——哈夫曼树的构造（什么时候并列？）
shang_0122的博客
09-15 7441
在判定哈夫曼树的时候，有一个条件就是使其平均比较次数最小，所以依据这个可以判定你构造的哈夫曼树是不是正确的。但是昨天在实践的时候发现，树并列生长的时候不同，导致的结果千差万别，那么 到底什么时候树应该并列？下面从实例出发说明，答案在过程中 例子： 给定下列定权值7，18，3，5，12，8，构造相应的哈夫曼树。 （1）首先将上述值进行排序 （2）从上列权值中选择两个最小的值。选中3，5...
数据结构之哈夫曼树的实现
数据结构学习心得
03-21 4038
1、Huffman(哈夫曼)树的一些基本概念 1、1哈夫曼树的定义 最简哈夫曼树是一种数据结构，是由德国数学家冯·哈夫曼发现的，又称最优二叉树，是一种带权路径长最短的树。所以Huffman树是一种二叉树。 1、2哈夫曼树的经典应用 哈夫曼树最经典的应用时在通信领域的哈夫曼编码上面。经哈夫曼编码的信息消除了冗余的数据，加提高了通信信道的传输效率，目前，Huffman编码计数还是数据压缩的重要...
哈夫曼编码-->输入权重，构造哈夫曼树并输出相应哈夫曼编码（c语言）
zlhzlh11的专栏
10-23 4186
#include #include #include #include #define SIZE 10 struct BinaryTreeNode{     int data;     struct BinaryTreeNode* left;     struct BinaryTreeNode* right; }; struct BinaryTreeNode*
通俗理解 什么是量纲
热门推荐
lch551218的博客
02-02 4万+
首先先介绍一下量纲和单位的区别，长度，时间，质量等都叫做量纲，而米，千米，秒，分钟，等都是单位， 国际单位制规定了七个基本量纲单位，这七个量纲彼此之间不能通过量纲计算得到，分别是： 量纲 量纲符号 单位名称 单位符号 长度 L 米 m 质量 M 千克 kg 时间 T 秒 s 电流 I 安培 A 热力学温度 K 开尔文 K 发光强度 I（Iv） 坎德拉 cd 物质的量 n（ν） 摩（摩尔） mol 通过以上基本量纲计算的到量纲都属于导出量纲，量纲用 [ ]表示，如速
Z检验、T检验下 P-value 和置信区间的计算
lch551218的博客
07-07 1万+
目录 1.置信区间的计算 1.1 总体方差已知 1.2总体方差未知 2.计算 P-Value 2.1 总体方差已知 2.2总体方差未知 1.置信区间的计算 根据总体分布（T分布或者Z分布）和规定的置信度计算总体均值在指定置信度下的置信区间，然后将实验值和置信区间比较，若在置信区间之外（小概率事件发生）则表示实验统计量和总体统计量存在显著差异 1.1 总体方差已知 总体方差已知时，根据总体均值和方差，使用Z分布计算置信区间，公式如下： 其中： 表示样本均值 表...
#深入探究# Adam和SGDM优化器的对比
lch551218的博客
06-07 1万+
1. Adma 和 MSGD Adam和MSGD作为当今最优秀的两种深度学习优化器，分别在效率和精度上有着各自的优势，下面我们将分析两种优化器各自优势的原因，两边的两张图分别是 几种常见的优化器在猫狗分类数据集上的分类准确率曲线，第一个是训练集，第二个是测试集 以下两张图是某个NLP任务中，几种模型的准确率和困惑度指标变换曲线 通过上边两幅图片可知： Adma在训练集上的准确率较高，MSGD在测试集上的准确率较高 Adma的速度更快，但MSGD能够得到好的效果 第一个结论可以用下边这个图来解释：
构造哈夫曼树，并根据哈夫曼树构造哈夫曼编码
最新发布
12-15
以下是构造哈夫曼树并根据哈夫曼树构造哈夫曼编码的步骤和示例代码： 1. 统计每个字符出现的频率，并将它们存储在一个字典中。 2. 将每个字符及其频率作为一个节点，构造一个森林。 3. 从森林中选出两个频率最小的节点，将它们合并成一个新节点，并将新节点的频率设置为两个节点的频率之和。将新节点插入森林中。 4. 重复步骤3，直到森林中只剩下一个节点，这个节点就是哈夫曼树的根节点。 5. 根据哈夫曼树构造哈夫曼编码。从根节点开始，遍历哈夫曼树，当遇到左子树时，在编码的末尾添加0，当遇到右子树时，在编码的末尾添加1。当遍历到叶子节点时，就得到了该字符的哈夫曼编码。 以下是示例代码： ```python # 定义节点类 class Node: def __init__(self, freq, char=None): self.freq = freq self.char = char self.left = None self.right = None # 统计字符频率 def count_freq(text): freq = {} for char in text: if char in freq: freq[char] += 1 else: freq[char] = 1 return freq # 构造哈夫曼树 def build_huffman_tree(freq): forest = [Node(freq[char], char) for char in freq] while len(forest) > 1: forest.sort(key=lambda x: x.freq) node1 = forest.pop(0) node2 = forest.pop(0) new_node = Node(node1.freq + node2.freq) new_node.left = node1 new_node.right = node2 forest.append(new_node) return forest[0] # 构造哈夫曼编码 def build_huffman_code(node, code=''): if node.char: print(node.char, code) else: build_huffman_code(node.left, code + '0') build_huffman_code(node.right, code + '1') # 示例 text = 'hello world' freq = count_freq(text) tree = build_huffman_tree(freq) build_huffman_code(tree) ``` 输出结果为： ``` d 00 h 01 r 100 e 1010 w 1011 o 110 l 1110 1111 ```
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

打赏作者

energy_百分百

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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