稀疏数组

最新推荐文章于 2021-06-22 12:18:55 发布
最新推荐文章于 2021-06-22 12:18:55 发布
阅读量90 收藏
点赞数
分类专栏： 数据结构和算法
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/zhangzongxing_/article/details/114807923
版权

稀疏数组

当一个数组大部分元素为0或同一个值。可以用稀疏数组保存该数组
1.记录有几行几列，有多少不同的值
2.有用的值放在一个更小的数组中

原始数组有很多没有用的数据，稀疏数组就是精简版

在这里插入图片描述
原始的二维数组变成了稀疏数组，

稀疏数组重新恢复为二维数组

        行         列      值
     row   col   val

0 11 11 2
1 1 3 1
下标和数组的是一样的表示方式 0开始的下标
第一行分别代表 几行 几列 几个有效值

在这里插入图片描述
稀疏数组转二维数组的思路

  1. 遍历二维数组，得到有效数字的个数sum
  2. 根据sum,大致创造稀疏数组 列是固定的，
  3. 将二维数组的有效数据存储到sum列

稀疏数组的第一行是原始的，及几行几列 有效值

根据第一行的数据创造原始的数组

比如 就是11*11的数组
读取稀疏数组后几行的数据，并赋给原子的二维数组
把数组转到磁盘 是IO流的部分 ；

zhangzongxing_
关注
专栏目录
Sparsearray稀疏数组原理及实例详解
08-19
主要介绍了Sparsearray稀疏数组原理及实例详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
cpp代码-C++实现稀疏数组
07-14
在IT领域，尤其是在编程中，稀疏数组是一个重要的数据结构概念，特别是在处理大规模数据时，当实际非零元素远少于整个数组元素时，稀疏数组可以极大地节省存储空间。本教程将深入探讨C++中如何实现稀疏数组，以及其...
稀疏数组的原理和实现
weixin_45060334的博客
03-26 207
稀疏数组的原理和实现 核心：当一个二维数组中大部分元素为零时，或者为同一个值得数组时，可以使用稀疏数组来保存数据，从而减小空间占用，提高程序执行效率。 代码实现： public class SparseArray { public static void main(String[] args) { //创建一个原始的二维数组 //0：表示没有棋子，1：表...
稀疏数组原理及代码实现
04-23 167
1.什么是稀疏数组 想象有一个11x11的二维数组，其中只有几个地方有值，其余的地方都是0或者别的同一个值。为了减少空间的占用，我们可以使用稀疏数组来对数据存储。如下图： --->>> 可以看到，在稀疏数组中，第一行存储了原始数组的大小以及非零的值的数量。从第二行开始，存储每一个非零数值的位置信息和具体...
稀疏数组的实现原理及应用场景
whl8614john的博客
06-22 329
稀疏数组 引子： 下图是一个11行11列的围棋棋盘，使用二维数组展示出来，此时用户要保存该棋局，有两种方式存储该棋局，第一种是使用该二维数组原封不动的存储到磁盘中，第二种方式是将其转换为稀疏数组存储到磁盘中，当下次打开时再将该稀疏数组还原为二维数组。 稀疏数组的原型图： 说明： 第一行：第1列代表原始二维数组有几行，第2列代表原始二维数组有几列，第3列代表原始二维数组中与初始值不相同的元素有几个（在本例子中表示黑子和白子的总数量是多少个？） 第二行：第1列代表第一个与初始值不相同的元素所在的行，第2列代
稀疏数组,实现,原理,应用;小Demo;学习笔记;
sinat_36572927的博客
06-04 324
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0...
javascript稀疏数组(sparse array)和密集数组用法分析
11-28
JavaScript中的数组有两种主要类型：稀疏数组（Sparse Array）和密集数组（Dense Array）。这两种类型的数组在存储和处理上有所不同，对理解JavaScript数组的工作原理至关重要。 **密集数组（Dense Array）** 密集...
稀疏数组的实现java代码
04-18
<一>二维数组 转 稀疏数组的思路 1)遍历 原始的二维数组，得到有效的数据的个数sum 2)根据sum就可以创建稀疏数组是sparseArr int[sum+1][3] 3)将二维数组的有效的数据存入到稀疏数组 <二 >稀疏数组 转 二维数组...
数据结构–稀疏数组（Java实现）
12-21
数据结构–稀疏数组（Java实现） 博客说明 文章所涉及的资料来自互联网整理和个人总结，意在于个人学习和经验汇总，如有什么地方侵权，请联系本人删除，谢谢！ 简介 稀疏数组是普通数组的压缩，普通数组指的是无效...
JavaScript中利用Array filter() 方法压缩稀疏数组
10-18
然而，并非所有的数组都是连续存储的，有些数组可能存在空缺的索引，这样的数组被称为“稀疏数组”。稀疏数组的特点是其`length`属性大于实际包含元素的数量，因为存在未定义的索引位置。 稀疏数组可能会在某些情况...
数据结构之稀疏数组的原理与实现
sdshdutx的博客
05-10 120
二维数组与稀疏数组之间的相互转换 稀疏数组的与二维数组转换的原理 通常稀疏数组有n*3的矩阵组成，将二维数组中有值的元素进行保存，减少资源的开销，第一列表示的是元素值在二维数组的行数，第二列表示的是元素值在二维数组的列数，第三列表示元素的值；且第一行统计为原数组的矩阵大小和值的个数，稀疏数组的行数为值元素的个数加1，如下示意图所示： 两者相互转换的实现如下 package Array; /* *将棋盘用二维数组表示，并转换成稀疏数组来存储
SparseArray（稀疏数组）的介绍和应用
你若盛开，蜜蜂自来
01-09 2480
稀疏数组概念和特点介绍 Sparse 翻译过来是稀疏、缺少的意思，SparseArray是稀疏的数组。它应用场景是相对稀少的数据，一般是几百以内的数据性能相对 HashMap 要好，大概提升 0-50% 的性能。SparseArray 是用 Integer 作为键映射对象。 SparseArray 不需要对 key 和 value 进行 auto-boxing（自动装箱），将原始类型封装为对象类型...
数据结构-分类
cc098818的博客
09-28 175
数据结构包括线性结构和非线性结构。 线性结构： 1）特点是数据元素之间存在一对一的线性关系。 2）线性结构有两种存储方式，即顺序存储和链式存储。 3）顺序存储的线性表称为顺序表（数组），顺序表中的存储元素是连续的。 4）链式存储的线性表称为链表，链表中的存储元素不一定连续，元素节点中存放数据元素以及相邻元素的地址信息。 5）线性结构常见的有：数组，队列，链表，栈 非线性结构： 非线性结构包括：二维...
什么是稀疏数组？稀疏数组详解
小白一个
05-13 7961
【1】背景 如下图所示，这里有一个 15 ×15 的棋盘，如果现在要让你通过编码的方式，让你将这盘棋局保存起来，你会怎么做呢？ 面对行列数据的保存，我相信大多人第一时间都会想到用二维数组进行保存。 【2】普通数组保存棋盘数据 比如，我们可以将棋盘进行抽象化，用一个 15 × 15 的二维数组来表示，然后用 0 表示空点，用 1 表示白子，用 2 表示黑子，于是就可以抽象为如下模样。 于是，我们可以通过如下代码，将数据保存到二维数组中。 /** * 将棋盘数据保存为二维数组 */ .
基于深度学习的行人分类.zip
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
机械制造工艺学课程设计手柄座设计“手柄座”零件的机械加工工艺规程及工艺装备.doc
最新发布
09-21
机械制造工艺学课程设计手柄座设计“手柄座”零件的机械加工工艺规程及工艺装备.doc
电子设计论文通用红外遥控开关电子设计论文通用红外遥控开关
09-21
电子设计论文通用红外遥控开关电子设计论文通用红外遥控开关
软考-信息管理师考试知识汇总思维导图
09-21
软考--信息管理师考试知识汇总思维导图，包含项目十大管理领域知识点汇总提取，项目整合管理、项目范围管理、项目时间管理、项目成本管理、项目质量管理、项目人力资源管理、项目沟通管理、项目风险管理、项目采购管理、项目干系人管理等章节所有知识点通过思维导图的形式汇总出来，看图就理解本章所有的知识块以及他们之间的联系。归纳总结，帮助考试复习记忆，加深对 本章节内容的理解。适合时间少，没时间完整看完教材的人，在段时间内帮助理解记性，是考试前冲刺的好帮手。软考高级越来越难考了，为了方便大家能考过，希望大家早点准备，好好考复习资料，多看，多想，多记忆，多思考，多归纳总结。
使用js完成把稀疏数组变为不稀疏数组
05-25
可以使用 JavaScript 中的 `Array.prototype.filter()` 方法来将稀疏数组变为不稀疏数组。 例如，假设有以下稀疏数组： ```js const sparseArray = [1, , 2, , , 3]; ``` 可以使用 `filter()` 方法过滤掉数组中的...
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