C++实现矩阵压缩

C++实现矩阵压缩

转置运算时一种最简单的矩阵运算。对于一个m*n的矩阵M，他的转置矩阵T是一个n*m的矩阵，且T(i,j) = M(j,i).

一个稀疏矩阵的转置矩阵仍然是稀疏矩阵。

矩阵转置

方案一：

1将矩阵的行列值相互交换

2将每个原则中的i j 相互交换

3重新排列三元组之间的次序

 

这种方法实现比较简单，一次迭代交换i j 值。

然后就是两层循环进行排序操作了。

方案二

具体实心步骤：

1 迭代遍历，统计列中元素个数

2 由1的结果迭代计算每一列中元素起始位置

3 依据2中得到数据进行转置操作

代码实现如下

//稀疏矩阵
#pragma once
#include <vector>
template<class T>
class Trituple
{
public:
    Trituple(int row, int col, T& n)
        :_row(row)
        , _col(col)
        , _value(n)
    {}
    int _row;
    int _col;
    T _value;
};

template<class T>
class SparseMatrix//稀疏矩阵
{
public:
    SparseMatrix(T*a, const int m, const int n, T& invalid)///行序排列
        :_rowSize(m)
        , _colSize(n)
        , _invalid(invalid)
    {
        size_t index = 0;
        for (int i = 0; i < _rowSize; ++i)
        {
            for (int j = 0; j < _colSize; ++j)
            {
                if (a[i*n + j] != _invalid)
                {
                    _array.push_back(*(new Trituple<T>(i, j, a[i*n + j])));
                    //_array[index++] = (new Trituple<T>(i,j,a[i*n+j]));
                }
            }
        }
    }

    void Print()
    {
        size_t index = 0;
        for (int i = 0; i < _rowSize; ++i)
        {
            for (int j = 0; j < _colSize; ++j)
            {
                //if (_array[i*_colSize + j]._value != _invalid)
                if ((_array[index]._row == i)&&(_array[index]._col == j))
                {
                    cout << _array[index++]._value << "->";
                }
                else
                {
                    cout << _invalid<<" ->";
                }
            }
            cout << endl;
        }
        cout << endl;
    }

    //转置方案：交换行列大小 值，交换元祖内部行列值. 重新排序vector；
    SparseMatrix<T> Transpose()
    {
        SparseMatrix<T> x(*this);
        ::swap(x._rowSize, x._colSize);
        x._array.clear();
        int i = 0;
        for (int j = 0; j < _colSize; ++j)
        {
            i = 0;
            while (i < _array.size())
            {
                if (j == _array[i]._col)
                {
                    //////////////////////////////////////////////////////////////////
                    //Trituple<T> t(_array[i]._row, _array[i]._col, _array[i]._value);
                    Trituple<T> t(_array[i]._col, _array[i]._row, _array[i]._value);
                    x._array.push_back(t);
                }
                ++i;
            }
        }
        return x;
    }
    SparseMatrix<T> FastTranspose()
    {
        //①：计算并保存每一列中非0元的个数；
        //②：求col列中第一个非0元在矩阵中的行位置。
        //③：依据以上，进行插入操作，并且更新cpot中的值
        SparseMatrix<T> x(*this);
        x._colSize = _rowSize;
        x._rowSize = _colSize;
        x._invalid = _invalid;
        if (_array.size())
        {
            int* RowCount = new int[_colSize];    //列中元素数
            int* RowStart = new int[_colSize];    //列中元素起始位置
            memset(RowCount, 0, sizeof(int)*_colSize);
            memset(RowStart, 0, sizeof(int)*_colSize);
            int index = 0;
            while (index < _array.size())  //一次迭代O(n)
            {
                ++RowCount[_array[index++]._col];
            }
            index = 1;
            while (index < _colSize)      //O(n)
            {
                RowStart[index] = RowStart[index - 1] + RowCount[index - 1];
                ++index;
            }
            //执行快速转置
            int i = 0;
            while (i < _array.size())  //两次迭代 O(n)
            {
                int col = _array[i]._col;
                int start = RowStart[col];
                x._array[start]._row = _array[i]._col;
                x._array[start]._col = _array[i]._row;
                x._array[start]._value = _array[i]._value;
                ++RowStart[col];
                i++;
            }
            delete[]RowCount;
            delete[]RowStart;
        }//if
        return x;
    }
    ~SparseMatrix()
    {
    }
private:
    vector<Trituple<T> >  _array;
    size_t _rowSize;
    size_t _colSize;
    T _invalid;
};