算法 test11 哈夫曼编码

最新推荐文章于 2022-09-15 19:52:18 发布
最新推荐文章于 2022-09-15 19:52:18 发布
阅读量441 收藏
点赞数
分类专栏： 算法
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/weixin_43895763/article/details/106299215
版权

问题

构造最优前缀码的贪心算法就是哈夫曼算法（Huffman），给出伪代码，并根据实例
{5, 5, 10, 10, 10, 15, 20, 25}，描述建树过程。

解析

在这里插入图片描述

设计

哈夫曼提出构造最优前缀码的贪心算法，由此产生的编码方案称为哈夫曼编码。其构造步骤如下：
(1)哈夫曼算法以自底向上的方式构造表示最优前缀码的二叉树T。
(2)算法以|C|个叶结点开始，执行|C|－1次的“合并”运算后产生最终所要求的树T。
(3)假设编码字符集中每一字符c的频率是f©。以f为键值的优先队列Q用在贪心选择时有效地确定算法当前要合并的2棵具有最小频率的树。一旦2棵具有最小频率的树合并后，产生一棵新的树，其频率为合并的2棵树的频率之和，并将新树插入优先队列Q。经过n－1次的合并后，优先队列中只剩下一棵树，即所要求的树T

分析

时间复杂度为O(nlogn)

源码

https://github.com/yaoshuangice/yaoshuang

球球ice
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
0023算法笔记——【贪心算法】哈夫曼编码问题
liufeng_king的专栏
03-26 11万+
1、问题描述       哈夫曼编码是广泛地用于数据文件压缩的十分有效的编码方法。其压缩率通常在20%～90%之间。哈夫曼编码算法用字符在文件中出现的频率表来建立一个用0，1串表示各字符的最优表示方式。一个包含100,000个字符的文件，各字符出现频率不同，如下表所示。     有多种方式表示文件中的信息，若用0,1码表示字符的方法，即每个字符用唯一的一个0,1串表示。若采用定长编码表
哈夫曼编码
前端产品工程师
06-06 2985
一、 伪代码 HUFFMAN(C) N=|C|;  Q=C； for i=1 to n-1  allocate a new node z z.left=x=EXTRACT-MIN(Q); z.right=y= EXTRACT-MIN(Q); z.freq=x.freq+y.freq; INSERT(Q,z); return EXTRACT-MIN(Q);  二、算法分析
赫夫曼算法伪代码
weixin_44822939的博客
05-25 1122
S1:class Node S2: Node left S3: Node right S4: int value S5: END S6:while(arr[2] = null)//只要合并两个数，就在另外一个数置空，当arr[2]为null是就是数组中只有一个元素的时候 S7:Node left = new Node(arr[0]) S8:Node right = new Node(arr[1]) S9:Node parent = new Node(arr[0]+arr[1]) 将最小元素相加
霍夫曼编码2个伪代码，对输入的字符集和各个字符对应的权值求出每个字符的霍夫曼编码。
11-18
霍夫曼编码，对输入的字符集和各个字符对应的权值，例如A={a,b,c,d,e,f,g,h}，各个字符对应的权值为{5,29,7,8,14,23,3,11}，求出每个字符的霍夫曼编码。 【输入形式】 输入若干个字符（1 <= n <= 26），其权值为int型。 输入数据的第一行的整数n，表示字符数；接下来的n行是字符集，一行一个字符；最后一行是各字符的权值，以空格分隔。 【输出形式】 每个字符（节点）的霍夫曼编码。参见样例输出。 【样例输入】 4 a b c d 1 3 7 22 【样例输出】 a:000 b:001 c:01 　　d:1 【样例说明】 提示： 1、将最小两个子树合并过程中一定要从前向后去查找两个最小子树，最小子树作为新结点的左子树，次小子树作为新结点的右子树，编码过程中左子树定义为0，右子树定义为1 2、另外：一般原则要求： 　若有重复权值结点，原来森林中的结点优先选择（即深度小的结点优先，以确保最终总树深较浅并相对平衡）。新生成的权值和的结点后用。
哈夫曼编码压缩文本从一个文本文件中读入文本，统计一共出现了多少个字符以及每个字符出现的次数，用前缀码对不同字符进行表示，并对文本进行压缩，最后计算出压缩率。
12-17
文本: a b c a c a d b a c d a b a a c b a b a 传统表示方法：a: 00, b: 01, c: 10, d: 11 传统表示未压缩时： 0001100010001101001011001000001001001000 统计次数：a:9, b:5, c:4, d:2 前缀码表示：a: 0, b: 10, c:110, d:111 压缩后： 0101100110011110011011101000110100100
算法_哈夫曼编码
qq_25626505的博客
06-27 2685
一、 什么是哈夫曼编码 计算机中使用二进制编码字符； 哈夫曼编码是通过构造哈夫曼树得到的， 哈夫曼树是通过贪心算法得到的； 贪心算法构造哈夫曼树： 将字符出现的次数作为哈夫曼树的权值，按照贪心算法，选择权值最小的两个结点，成为一个数的左右结点；左右子结点的权值变为子树根的权值；然后在余下的结点中递归选用最小的两个结点； 根据哈夫曼树得到哈夫曼编码： 从根开始， 遇到左分支编码为0， 遇到右分支编码为1； 对于同一个编码， 哈夫曼编码不唯一，但是都能正常工作； 哈夫曼编码是一种变长编码，权值越大的字符，其编
算法：哈夫曼编码
Taopper的博客
09-15 3452
通常的编码方式有固定长度编码和不定长度编码两种。哈夫曼编码是不定长度编码的一种，它利用字符的使用频率来编码，经常使用的字符编码较短，不常使用的字符编码较长。我们可以把每一个字符作为叶子，它们对应的频率作为其权值，为了方便，可以对其同时扩大100倍，得到a~f分别对应5, 32, 18, 7, 25, 13。(1) 初始化：构建单结点树集合T = {a, b, c, d, e, f},如图1所示。(3) 哈夫曼树构造成功后，约定左分支编码为0，右分支编码为1，如图7所示。(2) 选择,具体过程见图2~图6。
算法-16-哈夫曼编码
loetca
04-11 386
十六、哈夫曼编码（Huffman Coding） 1、概念 它是哈夫曼树（Huffman Tree）在电讯通信领域中的经典应用。广泛应用于数据文件的压缩，压缩率一般在20% ~ 90%之间，属于**可变长编码（VLC）**的一种，重复的内容越多，压缩率越好。 但是一个文件如果已经是压缩过的，那么再次压缩，其文件大小可能不会有明显的变化。 它属于无损压缩。 2、原理 定长编码，将信息的原本形式，先转换为字节数组（byte[]），然后再获取每一个字节所对应的二进制（低8位），再进行数据的传输。 变长编码，将信息
python实现哈夫曼编码生成器
06-08
- `test.py`：可能包含对其他文本（如`test.txt`）进行哈夫曼编码和解码的测试代码。编码时，使用哈夫曼编码字典将字符转换为二进制序列，保存在`code.txt`中。 - `ch.txt`：原始文本。 - `code.txt`：编码后的...
huffman编码的程序流程图_哈夫曼编码原理详解及应用实例,哈夫曼编码算法流程图 - 全文...
weixin_39908758的博客
12-20 6116
摘要：作为一种常用的编码方式即哈夫曼编码，很多人在它的原理即应用方面都弄不不清楚，本文主要以哈夫曼编码原理与应用实例及算法流程图俩进一步说明。哈夫曼编码定义哈夫曼编码(Huffman Coding)，又称霍夫曼编码，是一种编码方式，哈夫曼编码是可变字长编码(VLC)的一种。Huffman于1952年提出一种编码方法，该方法完全依据字符出现概率来构造异字头的平均长度最短的码字，有时称之为最佳编码，一...
统计英文文本每个字母出现概率（不分大小写）并进行哈夫曼，香农编码
01-12
只统计英文文本的26个字母（不分大小写）出现概率，并对这26个字母进行哈夫曼编码，香农编码，主程序在CalculateLetters_Number.m中。
用哈夫曼编码统计一段英文中字母的频率
03-03
输入任意一段英文，自动统计其中各字母出现的频率及次数，并在屏幕上输出结果
哈夫曼编码C++
12-20
哈夫曼编码与解码，从控制台读入文本输出编码或读入电文输出明码
陈越、何钦铭-数据结构作业17：Huffman Codes哈夫曼编码
05-17
In 1953, David A. Huffman published his paper "A Method for the Construction of Minimum-Redundancy Codes", and hence printed his name in the history of computer science. As a professor who gives the final exam problem on Huffman codes, I am encountering a big problem: the Huffman codes are NOT unique. For example, given a string "aaaxuaxz", we can observe that the frequencies of the characters 'a', 'x', 'u' and 'z' are 4, 2, 1 and 1, respectively. We may either encode the symbols as {'a'=0, 'x'=10, 'u'=110, 'z'=111}, or in another way as {'a'=1, 'x'=01, 'u'=001, 'z'=000}, both compress the string into 14 bits. Another set of code can be given as {'a'=0, 'x'=11, 'u'=100, 'z'=101}, but {'a'=0, 'x'=01, 'u'=011, 'z'=001} is NOT correct since "aaaxuaxz" and "aazuaxax" can both be decoded from the code 00001011001001. The students are submitting all kinds of codes, and I need a computer program to help me determine which ones are correct and which ones are not.
算法设计与分析实验报告-哈夫曼编码（含源程序）.doc
05-27
- 哈夫曼编码：{001, 000, 010, 011, 10, 11} ### 5. 实验环境与工具 - **硬件**：1台PC - **软件**： - Visual C++ 6.0：用于编写和运行哈夫曼编码的程序。 - 亿图程序流程图绘制软件：用于绘制实验原理图或...
学习笔记（2):150讲轻松搞定Python网络爬虫-加密与解密-urllib编解码
weixin_48510958的博客
09-18 247
【为什么学爬虫？】        1、爬虫入手容易，但是深入较难，如何写出高效率的爬虫，如何写出灵活性高可扩展的爬虫都是一项技术活。另外在爬虫过程中，经常容易遇到被反爬虫，比如字体反爬、IP识别、验证码等，如何层层攻克难点拿到想要的数据，这门课程，你都能学到！        2、如果是...
c++哈夫曼编码问题贪心算法csdn
最新发布
05-19
哈夫曼编码是一种常用的数据压缩算法，它通过构建一棵哈夫曼树来实现对数据的压缩。其中，哈夫曼树是一种满足最优性质的树，其叶子节点代表原始数据中的字符，而每个字符对应的编码是从根节点到该字符所在叶子节点的路径上的0/1序列。 哈夫曼编码的实现是一个经典的贪心算法，其基本思想是通过不断地合并出现频率最小的两个节点来构建哈夫曼树。具体实现过程如下： 1. 统计每个字符在原始数据中出现的频率，并将其作为叶子节点的权值。 2. 将所有叶子节点按照权值从小到大排序，并依次将它们放入一个最小堆中。 3. 从最小堆中依次取出两个权值最小的节点，并将它们合并为一个新节点，新节点的权值为这两个节点的权值之和。将新节点插入到最小堆中。 4. 重复步骤3，直到最小堆中只剩下一个节点，即为哈夫曼树的根节点。 5. 从根节点开始遍历哈夫曼树，对每个叶子节点记录其对应的编码，其中0表示向左走，1表示向右走。 下面是C++的实现代码： ```cpp #include <iostream> #include <queue> #include <vector> #include <string> #include <unordered_map> using namespace std; struct TreeNode { char ch; int freq; TreeNode* left; TreeNode* right; TreeNode(char c, int f) : ch(c), freq(f), left(nullptr), right(nullptr) {} }; struct compare { bool operator() (TreeNode* a, TreeNode* b) { return a->freq > b->freq; } }; unordered_map<char, string> encode; // 记录每个字符的编码 void buildHuffmanTree(string s) { unordered_map<char, int> freq; // 统计每个字符出现的频率 for (char c : s) { freq[c]++; } priority_queue<TreeNode*, vector<TreeNode*>, compare> pq; // 最小堆 for (auto& f : freq) { pq.push(new TreeNode(f.first, f.second)); } while (pq.size() > 1) { TreeNode* left = pq.top(); pq.pop(); TreeNode* right = pq.top(); pq.pop(); TreeNode* parent = new TreeNode('\0', left->freq + right->freq); parent->left = left; parent->right = right; pq.push(parent); } TreeNode* root = pq.top(); pq.pop(); // 遍历哈夫曼树，记录每个叶子节点的编码 string path; function<void(TreeNode*)> dfs = [&](TreeNode* node) { if (!node) return; if (!node->left && !node->right) { encode[node->ch] = path; return; } path.push_back('0'); dfs(node->left); path.pop_back(); path.push_back('1'); dfs(node->right); path.pop_back(); }; dfs(root); } int main() { string s = "this is a test string"; buildHuffmanTree(s); // 输出每个字符的编码 for (auto& e : encode) { cout << e.first << " : " << e.second << endl; } return 0; } ``` 这段代码实现了一个简单的哈夫曼编码算法，统计了字符串中每个字符出现的频率，构建了一棵哈夫曼树，并记录了每个字符对应的编码。其中，我们使用了一个最小堆来维护当前频率最小的两个节点，使用递归的方式遍历哈夫曼树，并记录每个叶子节点的编码。
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
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