媒体数据管理上机实验

个人网站：eteluna.top

这门课的上机题目还都挺有意思，尤其是第三个LSH索引耗费了不少精力，故记录下来。
编程语言为 Python 3

1. LZW 编码算法

---

如果字典数超过 10 可能会出 bug，因为编码是 1 位的（可通过增加编码位数解决）

算法流程：

1. 对输入字符串初始化生成单字符的字典，设P为空字符串；
2. 遍历字符串每一位C，判断P+C是否在字典中，若是则将P+C赋予P，否则在字典中添加P+C，在结果添加P对应的值，并将C赋予P；
3. 最后一位字符在结果添加P的值；
4. 输出编码结果与字典；
5. 解码程序拿到编码结果与初始化的单字符字典；
6. 将字典键值翻转，对编码的每一位求得对应字符前缀，保存到字典；
7. 除第一次，将前缀添加到上一条的末尾，并更新前缀，记录；
8. 输出记录下的字符。

def init(s):
    # s: 输入字符串
    # 返回: 包含所有单字符的字典
    table = {
   }
    tmp = []
    for i in s:
        if i not in tmp:
            tmp.append(i)
    j = 1
    for i in range(len(tmp)):
        t = str(j)
        table[tmp[i]] = t
        j = j + 1
    return table

def encoding(s):
    # s: 输入字符串
    # r: 编码结果 table: 编码表，初始化是单字符字典
    r = []
    table = init(s)
    P = ''
    for i in range(len(s)):
        C = s[i]
        t = P+C
        # 判断 P+C 是否在词典中
        if t in table.keys():
            P = t
        if t not in table.keys():
            table[t] = str(len(table)+1)
            r.append(table[P])
            P = C
        # 最后一位用单字符编码表示
        if i == len(s)-1:
            r.append(table[P])
    print("After compress: " + ''.join(r))
    print("coding table is: ")
    print(table)

    # 将单字符字典与编码结果传入 decoding 解码
    default = init(s)
    decoding(default,r)

def decoding(table,r):
    # table:包含单独字符的字典, r: LZW编码
    inverse_table = dict(zip(table.values(),table.keys()))
    num = len(table.keys())
    tablelen = num
    tem = []
    for i in range(len(r)):
        # P 前缀
        P = inverse_table[str(r[i])]
        inverse_table[str(num+1)] = P
        # 除第一个编码外，前缀第一个字符添加到上一条的末尾
        if num > tablelen:
            inverse_table[str(num)] = inverse_table[str(num)]+P[0]
        # 重新获取前缀，添加至 tem
        P = inverse_table[str(r[i])]
        tem.append(P)
        num = num+1
    print("decoding:"+''.join(tem))

测试：

input a string: abababcabcab
After compress: 1244374
coding table is: 
{'a': '1', 'b': '2', 'c': '3', 'ab': '4', 'ba': '5', 'aba': '6', 'abc': '7', 'ca': '8', 'abca': '9'}
decoding:abababcabcab

2. k-l 变换与矢量量化

---

在 ColorHistogram.asc 数据集上实现 k-l 变换

算法流程：

1. 将