搜索资源列表
稀疏矩阵的运算器
- 稀疏矩阵的运算器 [基本要求] 以“带行逻辑链接信息”的三元组顺序表表示稀疏矩阵，实现两 个矩 阵相加、相减、相乘的运算。稀疏矩阵的输入形式采用三元组表示， 而运算结果的矩阵则以通常 的阵列形式列出。 这是出自清华大学 严蔚敏 吴伟民 编著的数据结构题集（C语言版）的第136页的实习4 -sparse matrix operations for the [basic requirements] "OK logical link with informati
用三元组表实现稀疏矩阵的转置运算
- 用三元组表实现稀疏矩阵的转置运算 一个阶数较大的矩阵中的非零元素个数S相对于矩阵元素的总个数t很小时,即非 零元素个数s占矩阵元素的总个数t的25%~30%时,称该矩阵为稀疏矩阵称. 由于稀疏矩阵中非零元素的分布没有任何规律,在存储非零元素时,必须保存该非 零元素所对应的行下标和列下标.这样,存储的每个稀疏矩阵中的非零元素都需要(行 下标,列下标,元素值)三个参量来唯一确定,将这种存储结构称为稀疏矩阵的三元组 表示法. 稀疏矩阵中的所有非零元素构成三元组线性表.
矩阵相加的算法
- 当稀疏矩阵A和B均以三元组表作为存储结构时，试写出矩阵相加的算法，其结果存放在三元组表C中。 解：这个算法有点繁，要考虑到两个稀疏矩阵的非零元素不是一一对应的，在建立新的三元组表C时，为了使三元组元素仍按行优先排列，所以每次插入的三元组不一定是A的，按照矩阵元素的行列去找A中的三元组，若有，则加入C，同时，这个元素如果在B中也有，则加上B的这个元素值，否则这个值就不变 如果A中没有，则找B，有则插入C，无则查找下一个矩阵元素。 -sparse matrix A and B were 3
多维数组-矩阵的压缩存储- 稀疏矩阵（一）
- 稀疏矩阵 设矩阵A mn 中有s个非零元素，若s远远小于矩阵元素的总数(即s<<m×n)，则称A为稀疏矩阵。 1、稀疏矩阵的压缩存储 为了节省存储单元，可只存储非零元素。由于非零元素的分布一般是没有规律的，因此在存储非零元素的同时，还必须存储非零 元素所在的行号、列号，才能迅速确定一个非零元素是矩阵中的哪一个元素。稀疏矩阵的压缩存储会失去随机存取功能。 其中每一个非零元素所在的行号、列号和值组成一个三元组(i，j，
AdvancedMatrix
- 用 c++ 实现的矩阵操作程序 功能: 1) 支持任意数据类型,以满足不同的需要 2) 支持任意个数的元素 3) 支持常规矩阵运算 4) 支持优化存储(如稀疏矩阵的存储)-with operational procedures to achieve the matrix functions : a) to support arbitrary data types, to meet the different needs 2) support arbitrary number
XSZZ
- 这是一个利用稀疏矩阵技术实现求解矩阵方程的程序，基于VC++的MFC技术。请多多执教。-This is a sparse matrix using technology to solve the matrix equation procedures, the MFC-based VC technology. Please excuse coach.
yiyuanjishuqi
- 关于一元稀疏多项式计算器的算法,上传给大家看一看,给一点意见,谢谢了!-of one yuan calculator sparse polynomial algorithm, we look to upload to the point, thank you!
sparsematric.cpp
- 十字链表是这样构成的：用链表模拟矩阵的行（或者列，这可以根据个人喜好来定），然后，再构造代表列的链表，将每一行中的元素节点插入到对应的列中去。书中为了少存几个表头节点，将行和列的表头节点合并到了一起——实际只是省了几个指针域，如果行和列数不等，多余的数据域就把这点省出的空间又给用了。这点小动作让我着实废了半天劲，个人感觉，优点不大，缺点不少，不如老老实实写得象个十字链表，让人也好看一些，这是教科书，目的是教学。实在看得晕的人，参阅C版的这部分内容，很清晰。我也不会画图，打个比方吧：这个十字链表的
st200408202223-06
- 一元稀疏多项式简单计算器，小程序一个，发上去让大家分享-one yuan sparse polynomial simple calculators, a small procedure, made up for sharing
稀疏列主元
- 数学计算中的稀疏列主元方法研究矩阵-mathematical calculation of sparse main-element matrix method
稀疏矩阵数据结构的实现
- 实现了稀疏矩阵，用单元组进行存储，实现了矩阵的转置、快速转置、矩阵加法和矩阵输出的算法。本程序在VC 6.0上实现通过
稀疏脉冲盲源反褶积
- 稀疏脉冲盲源反褶积
4-1Jacbi
- 对于阶数不高的方程组，直接法非常有效，对于阶数高，而系数矩阵稀疏的线性方程组却存在着困难，在这类矩阵中，非零元素较少，若用直接法求解，就要存贮大量零元素。为减少运算量、节约内存，使用迭代法更有利。-The order of the equations is not high, the direct method is very effective for high order, and the sparse coefficient matrix of linear equations, ther
vector_matrix_multiplication
- 稀疏矩阵与向量相乘 算法 C语言 并行计算-Sparse matrix and vector multiplication
mean-K-KPCA
- 通过核 K- 均值聚类的方法对语音帧进行聚类 , 由于聚类的中心能够很好地代表类内的特征, 用中心样本帧取代该类, 减少了核矩阵的维数, 然后再采用稀疏 KPCA方法对核矩阵进行特征提取。-Through the nuclear K-means clustering method for clustering of speech frames, the cluster center can be a good representative of the class characteristics
杨建超ScSR
- 杨建超基于稀疏表示的超分辨率方法，很好的算法(Yang Jianchao based on sparse representation of the super-resolution method, a good algorithm)
CUDA SPMV
- 稀疏矩阵向量乘法（Sparse Matrix-Vector Multiplication, SpMV）在许多科学计算程序中都有广泛的应用。数据矩阵A 是稀疏的，输入向量x 和输出向量y是稠密的。 y = Ax(Sparse Matrix-Vector Multiplication (SpMV) is widely used in many scientific computing programs. The data matrix A is sparse, the input vector x
Sparse image and signal processing
- 这本书在稀疏的多尺度图像和信号处理提出了艺术状态，包括线性多尺度变换，如小波，脊波和曲波变换、非线性、多尺度变换基于中值和数学形态学算子。最近的稀疏性和形态多样性的概念描述和利用各种问题，如去噪，反问题正规化，稀疏信号分解，盲源分离，压缩感知。 这本书的理论和实践研究相结合的领域，如天文学、生物学、物理学、数字媒体应用和取证。最后一章探讨了信号处理中的一个范式转换，表明以前的信息取样和提取的限制可以用非常重要的方法加以克服。 MATLAB和IDL代码伴随这些方法和应用程序重现。 实验并说明
ST稀疏表
- ST 稀疏表的实现 ST（Sparse Table，稀疏表）算法是求解 RMQ 问题的经典在线算法，以 O (nlogn) 时间预处理，然后在 O (1) 时间内回答每个查询。ST 算法本质上是动态规划算法，定义了一个二维辅助数组 st [n][n]，st [i][j] 表示原数组 a 中从下标 i 开始，长度为 2^j 的子数组中的最值（以最小值为例）。 预处理：要求解 st [i][j] 时，即求下标 i 开始，长度为 2^j 的子数组的最小值时，可以把这段子数组再划分成两半，每半的长度
pradiso
- 利用Fortran中自带的Pardiso库函数解决稀疏矩阵，其利用ＣＳＲ格式储存数据（附带例子）(The Pardiso library function in Fortran is used to solve the sparse matrix, which stores data in CSR format (with examples))