稀疏矩阵的压缩存储

                                                             稀疏矩阵的压缩存储

            对于稀疏矩阵中的任意一个非零元素，出来存放非零元素的值外，还需要同时存储它所在的行，列的位置，反之，用一个三元组可以唯一确定一个非零元素。

    稀疏矩阵的三元组表示的结点结构定义：

   

public class TripleNode {
    public int row;
    public int column;
    public int value;
 
	public TripleNode(int row, int column, int value) {
		 
		this.row = row;
		this.column = column;
		this.value = value;
	}

	 public TripleNode(){
		 this(0,0,0);
		 
	 }
    
  
    
    
}

 三元组的顺序表类定义如下：

 

public class SparseMatix {
   public TripleNode data[];
   public  int rows;    
   public int cols;
   public int nums;    // 非零元素个数
   
    public SparseMatix(int maxSize){
    	data = new TripleNode[maxSize];
    	for(int i=0;i<data.length;i++){
    		data[i] = new TripleNode();
    	}
    	 rows = 0;
    	 cols = 0;
    	 nums = 0;
    }
    //　　打印表
    public void prinMatrix(){
    	int i;
      System.out.println("稀疏矩阵的三元组存储结构：");
      System.out.println("行数："+rows+" ,列数:"+cols+",非零元素个数:"+nums);
        
       for(i= 0;i<nums;i++){
    	   System.out.println(data[i].row+"\t"+data[i].column+"\t"+data[i].value);
       }
      
      
    }
    //  初始化
    
    public SparseMatix(int mat[][]){
    	
    	int i,j,k=0,count = 0;
    	rows = mat.length;    // 行数等于数组的长度
    	
    	cols = mat[0].length;  // 列数
    	
    	for(i = 0; i<mat.length;i++){
    		for(j = 0;j<mat[i].length;j++){
    			if(mat[i][j]!=0){
    				count++;
    			}
    		}
    	}
    	
    	nums = count;
    	data = new TripleNode[nums];
    	for(i= 0;i<mat.length;i++){
    		for(j = 0;j<mat[i].length;j++)
    		{
    			if(mat[i][j]!=0)
    			{
    				data[k] = new TripleNode(i,j,mat[i][j]);
    				k++;
    			}
    		}
    	}
    	
    	
    	
    }
    
    
   //  转置
     
    public SparseMatix transpose(){
    	
    	SparseMatix tm = new SparseMatix(nums);
    	tm.cols = rows;
    	tm.rows = cols;
    	tm.nums = nums;
    	int q = 0;
    	
    	for(int col = 0;col<cols;col++){
    		for(int p = 0;p<nums;p++){
    			if(data[p].column == col){
    				tm.data[q].row = data[p].column;
    				tm.data[q].column = data[p].row;
    				tm.data[q].value = data[p].value;
    				q++;
    			}
    		}
    	}
    	
    	
    	
    	return tm;
    }
    
    
    
    public SparseMatix fasttanspose(){
    	
    	SparseMatix tm = new SparseMatix(nums);
    
    	tm.cols = rows;
    	tm.rows = cols;
    	tm.nums = nums;
    	int i,j,k=0;
    	int [] num,cpot;
    	if(nums>0){
    		num = new int[cols];
    		cpot = new int[cols];
    		for(i = 0;i<cols;i++){
    			num[i] = 0;
    		}
    		for(i = 0;i<nums;i++)
    		{
    			j = data[i].column;
    			num[j]++;
    			
    		}
    		cpot[0] = 0;
    		for(i = 1;i<cols;i++){
    			cpot[i] = cpot[i-1] + num[i-1];
    		}
    		for(i = 0;i<nums;i++){
    			j = data[i].column;
    			k = cpot[j];
    			tm.data[k].row = data[i].column;
    			tm.data[k].column = data[i].row;
    			tm.data[k].value = data[i].value;
    			cpot[j]++;
    		}
    	
    	}
    	
    	return tm;
    }
    
    
    
    
    
   
   
   
   
}

公共类：

 

public class Example4_6 {
 
	public static void main(String[] args){
		int m[][]={
				{0,0,8,0,0,0},{0,0,0,0,0,0},{5,0,0,0,16,0},{0,0,18,0,0,0},{0,0,0,9,0,0}	
		};
		
		SparseMatix sm = new SparseMatix(m);
		
		SparseMatix tm = sm.transpose();
		sm.prinMatrix();
		tm.prinMatrix();
	}
}

最后的效果如图：