数据结构（C++）矩阵的压缩

首先引入两个概念：

特殊矩阵：矩阵中很多值相同的元素并且它们的分布有一定的规律。
稀疏矩阵：矩阵中有很多零元素。

压缩存储的基本思想是：

⑴ 为多个值相同的元素只分配一个存储空间；
⑵ 对零元素不分配存储空间。

特殊矩阵的压缩存储——对称矩阵

在对角线的两边，aij==aji，这里出现了不必要的多于存储，所以我们对其进行矩阵的压缩。
这里只演示二维数组从0，0开始的

这分别是我们的二维数据中的下三角矩阵，和其保存为一维数组的存储说明图，下图更清楚地描述在一维数组里的结构：

首先假设一位数字的位置用k表示，二维数组用i、j表示，经过我们的推理不难发现，i、j、k之间存在一定的数量关系。

• a[i][j]在一维数组里的序号为=i*(i+1)/2+j+1
• a[i][j]在一维数组里的下标为=i*(i+1)/2+j

压缩对称矩阵的代码实现：

依旧是使用了刚才的那组数据，进行了压缩

#include<iostream>
using namespace std;
int main()
{
	int a[5][5] = { 3,6,4,7,8,6,2,8,4,2,4,8,1,6,9,7,4,6,0,5,8,2,9,5,7 };
	int n = 5, k = 0;
	int b[15];
	for (int i = 0; i < n; ++i)
	{
		for (int j = 0; j < n; ++j)
		{
			k = i * (i + 1) / 2 + j;
			b[k] = a[i][j];
		}
	}
	for (int i = 0; i < n * (n + 1) / 2; ++i)
	{
		cout << b[i] << " ";
	}
	return 0;
}

三角矩阵的压缩：

三角矩阵的样貌：

其实三角矩阵与对称矩阵有着很多类似的地方，比如如果是下三角矩阵,下三角的各个位置还是依旧对应着一维数组里的位置，唯一不同的是，一维数组还要再多加一个数据，就是上三角中相同的c。
一维数组存储图：

三角矩阵里i、j、k的对应关系：（依旧是从0，0开始）

这里以下三角矩阵为例进行代码演示：

c用0来代替

#include<iostream>
using namespace std;
int main()
{
	int a[5][5] = { 3,0,0,0,0,6,2,0,0,0,4,8,1,0,0,7,4,6,0,0,8,2,9,5,7 };
	int n = 5, k = 0;
	int b[16];
	for (int i = 0; i < n; ++i)
	{
		for (int j = 0; j < n; ++j)
		{
			k = i * (i + 1) / 2 + j;
			b[k] = a[i][j];
		}
	}
	b[15] = 0;
	for (int i = 0; i <= n * (n + 1) / 2; ++i)
	{
		cout << b[i] << " ";
	}
	return 0;
}

对角矩阵的压缩

对角矩阵：所有非零元素都集中在以主对角线为中心的带状区域中，除了主对角线和它的上下方若干条对角线的元素外，所有其他元素都为零。

二维数组法：

把对角上的元素全部有序的整理在一个二位数组中，第一位和最后一位都是0，然后用一个新的b数组进行顺序存储。
原B上的数组下标与新B有着一定规律的对应关系，不难发现：t=i-1，s=j-i+1。
**一维数组的存储图：*一共3n-2个元素

i、j、k对应的关系：（略微复杂）

这里就不用代码实现了，纯粹就是一个找规律，但是自己确实不知道如何去找这个规律。这个对角矩阵的压缩的思想经过总结后，分为以下几步：

1. 先把对角矩阵的相关数据取下来，保留原先的 i、j 下标不变。
2. 将截取下来的二维数组变换下标，从0，0开始，使之成为一个顺序的二维数组。
3. 把这个顺序的二维数组压缩成为一维数组进行保存。

下个周一定要做一次n=7的数组，取对角元素自己找一下规律训练一下。机器都会学习了，自己也要继续学习。

稀疏矩阵的压缩存储

稀疏矩阵的排列除了有部分值不为0之外，其他的值都是0，所以相比刚刚的对角矩阵，实现起来就友好很多。这里运用到了结构体类相关的知识，因为一个数据类型保存多个值。

这里引入三元组表的概念。

三元组表：将稀疏矩阵的非零元素对应的三元组所构成的集合，按行优先的顺序排列成一个线性表。

item代表这个元素值，row、col分别代表这个元素所在的位置。

template <class T>
struct element
{
	int row, col;     //行号，列号
	T item              //非零元素值
};

三元组表的存储说明：（三元组表最后的数据信息是整个矩阵的非零元素个数、行、列）

存储结构定义：

const int MaxTerm = 100;
template <class T>
struct SparseMatrix
{
	T data[MaxTerm];   //存储非零元素
	int mu, nu, tu;           //行数，列数，非零元个数
};

同样，十字链表也可以表示稀疏矩阵的压缩

采用链接存储结构存储三元组表，每个非零元素对应的三元组存储为一个链表结点，结构为：

row：存储非零元素的行号
col：存储非零元素的列号
item：存储非零元素的值
right：指针域，指向同一行中的下一个三元组
down：指针域，指向同一列中的下一个三元组

template<class T>
class OLNode
{
private:
	int row, col;
	T element;
	OLNode<T>* right, * down;
public:
	OLNode() { right = NULL; down = NULL; };
};

十字链表的存储示意图：