list Map 集合

List

ArrayList:底层数据结构使数组结构,查询速度快,增删改慢,  

ArrayList 查询时是根据他的下标来进行查询所有速度比较快

为什么增删慢,它每增加一位元素后面的元素也要往后移动一位,删除也是一样的道理。如果是你每次都在最后插入,这是个例外,因为它不用再去影响其它的元素,直接插在最后面;当然删也是同一个道理

所有我们可以在需要查询的时候使用ArrayList:

 

 

 

 

 

LinkList:底层使用链表结构,增删速度快,查询稍慢;

LinkedList 查询时因为他是链表的所以查询的事后要一个一查所有他速度慢,为什么删除和增加快呢 如果我吧中间删除左右两边的会在给连上,增加也是一样的道理,它一般情况下只会影响两个元素所有他的增删比ArrayList

我们可以在增删的时候使用LinkList

 

Map

Map集合:该集合存储键值对。一对一对往里存。而且要保证键的唯一性。

 

如果程序中存储了几百万个学生,而且经常需要使用学号来搜索某个学生,那么这个需求有效的数据结构就是Map

 

1. Hashtable:底层是哈希表数据结构,不可以存入nullnull值。该集合是线程同步的。jdk1.0.效率低。  

2.HashMap:底层是哈希表数据结构,允许使用 null 值和 null 键,该集合是不同步的。将hashtable替代,jdk1.2.效率高。  

3.TreeMap:底层是二叉树数据结构。线程不同步。可以用于给map集合中的键进行排序。  mapSet很像,Set底层就是使用了Map集合。  map集合的一些方法

 

 

总体来说,hash_map 查找速度会比map快,而且查找速度基本和数据数据量大小,属于常数级别;map的查找速度是log(n)级别。并不一定常数就比log(n)小,hash还有hash函数的耗时,明白了吧,如果你考虑效率,特别是在元素达到一定数量级时,考虑考虑hash_map。但若你对内存使用特别严格,希望程序尽可能少消耗内存,那么一定要小心,hash_map可能会让你陷入尴尬,特别是当你的hash_map对象特别多时,你就更无法控制了,而且hash_map的构造速度较慢。

 

HashMap:继承自abstarctMap

无序  不可重复

底层的话是以链表形式的数组进行存储的

主要看了

1. 主要属性

1. 实际存放元素的数组(所以说HashMap底层也是有数组的,具体存储到数组,则是以链的形式)

2. 存放元素的个数,也就是长度size

3. 临界值   当实际大小超过它的时候,会自动进行扩大,加载因子*临界值。说白了就是最大存储的限度

4. 加载因子  相当于一个阈值

5. 被修改的次数

2. 构造方法

他有一个方法可以让我们自己指定初始容量和加载因子,如果没有指定,自身默认的是容量16加载因子0.75

然后构造方法中还有一段代码是确保容量为2N次幂,为什么呢

 

如果length2N次幂的话,h&(length-1)就相当于length的取磨,这样便能够保证散列的均匀,下标不是0 1 2 3 4 5 6这样的形式吗,如果length为奇数,则length-1肯定为偶数,那么取模之后的结果也肯定只能为偶,那么任何hash值都会被散列的分布在下标为偶的位置上,这样就浪费了一半的空间,因此,length2n次幂,是为了让hash能够均匀的散列。

3. 存取储数据

Map使用Entry这个接口来具体处理我们所传入的key-value HashMap中的put方法中就引用到了这个接口

然后hashmap允许存储keynullvaluenull,不允许重复

假设hashmap中原有一个keynullvalue任意,然后在put一个keynull的数据进去,底层有个方法,如果keynull会直接存入table[0]中,即key值相同,value值会直接覆盖,如果key不为nullhashmap是如何根据key进行定位存储的呢

先计算keyhash值,然后根据hash值在对应数组链表中的索引,就确定了最终的存储下标

Get基本一样,传入key就能取到值,传进key值进行hash取值,然后很具hash值在表中找对应下标,然后取值

什么情况下用hashmap会好,在需要存放的数据量能够提前预估到,然后设定好初始容量,避免自动去拓展容量,可以提高性能。当超过整个限度时,进行自动拓展容量,会把链表数组的长度增加,重新计算各个元素的位置(最耗性能)

 

HashTablehashmap的实现基本一致,只是在方法实现上加到了同步操作,多线程可以用到。

LinkedHashMaphashmap的拓展

 

TreeMap红黑树算法

 

 


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在信号处理领域,DOA(Direction of Arrival)估计是一项关键技术,主要用于确定多个信号源到达接收阵列的方向。本文将详细探讨三种ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)算法在DOA估计中的实现,以及它们在MATLAB环境中的具体应用。 ESPRIT算法是由Paul Kailath等人于1986年提出的,其核心思想是利用阵列数据的旋转不变性来估计信号源的角度。这种算法相比传统的 MUSIC(Multiple Signal Classification)算法具有较低的计算复杂度,且无需进行特征值分解,因此在实际应用中颇具优势。 1. 普通ESPRIT算法 普通ESPRIT算法分为两个主要步骤:构造等效旋转不变系统和估计角度。通过空间平移(如延时)构建两个子阵列,使得它们之间的关系具有旋转不变性。然后,通过对子阵列数据进行最小二乘拟合,可以得到信号源的角频率估计,进一步转换为DOA估计。 2. 常规ESPRIT算法实现 在描述中提到的`common_esprit_method1.m`和`common_esprit_method2.m`是两种不同的普通ESPRIT算法实现。它们可能在实现细节上略有差异,比如选择子阵列的方式、参数估计的策略等。MATLAB代码通常会包含预处理步骤(如数据归一化)、子阵列构造、旋转不变性矩阵的建立、最小二乘估计等部分。通过运行这两个文件,可以比较它们在估计精度和计算效率上的异同。 3. TLS_ESPRIT算法 TLS(Total Least Squares)ESPRIT是对普通ESPRIT的优化,它考虑了数据噪声的影响,提高了估计的稳健性。在TLS_ESPRIT算法中,不假设数据噪声是高斯白噪声,而是采用总最小二乘准则来拟合数据。这使得算法在噪声环境下表现更优。`TLS_esprit.m`文件应该包含了TLS_ESPRIT算法的完整实现,包括TLS估计的步骤和旋转不变性矩阵的改进处理。 在实际应用中,选择合适的ESPRIT变体取决于系统条件,例如噪声水平、信号质量以及计算资源。通过MATLAB实现,研究者和工程师可以方便地比较不同算法的效果,并根据需要进行调整和优化。同时,这些代码也为教学和学习DOA估计提供了一个直观的平台,有助于深入理解ESPRIT算法的工作原理。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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