数据结构:哈夫曼树

1.概念

哈夫曼树(Huffman Tree)是一种用于数据压缩的二叉树,由大卫·哈夫曼(David A. Huffman)于1952年提出。它通过构建最优二叉树来实现数据的高效压缩,广泛应用于文件压缩、图像压缩等领域。

哈夫曼树的核心思想

哈夫曼树的核心思想是用较短的编码表示出现频率较高的字符,用较长的编码表示出现频率较低的字符,从而减少整体的编码长度。

2.构建哈夫曼树的步骤

  1. 统计字符频率

    • 统计待压缩数据中每个字符出现的频率。
  2. 创建节点

    • 为每个字符创建一个节点,节点的权重为字符的频率。
  3. 构建优先队列

    • 将所有节点放入一个优先队列(最小堆),按权重从小到大排序。
  4. 合并节点

    • 从优先队列中取出权重最小的两个节点,合并成一个新节点,新节点的权重为这两个节点的权重之和。

    • 将新节点放回优先队列。

  5. 重复合并

    • 重复上述步骤,直到优先队列中只剩一个节点,这个节点就是哈夫曼树的根节点。
  6. 生成编码

    • 从根节点开始,向左子树走标记为0,向右子树走标记为1,直到叶子节点,得到每个字符的哈夫曼编码。

3.哈夫曼树的特点

  • 最优前缀编码:哈夫曼编码是一种前缀编码,没有任何一个编码是另一个编码的前缀。

  • 最小加权路径长度:哈夫曼树的带权路径长度(WPL)最小,即压缩效率最高。

示例

假设有以下字符及其频率:

  • A: 5

  • B: 9

  • C: 12

  • D: 13

  • E: 16

  • F: 45

构建哈夫曼树的过程:

  1. 将所有字符节点放入优先队列。

  2. 取出A(5)和B(9),合并为新节点(14),放回队列。

  3. 取出C(12)和D(13),合并为新节点(25),放回队列。

  4. 取出E(16)和新节点(14),合并为新节点(30),放回队列。

  5. 取出新节点(25)和F(45),合并为新节点(70),放回队列。

  6. 取出新节点(30)和新节点(70),合并为根节点(100)。

根据哈夫曼树的构建规则和正确的路径长度过程:

复制代码
        (100)
       /     \
    (30)    (70)
   /   \    /   \
(14)  E(16) (25) F(45)
 /  \      /  \
A(5) B(9) C(12) D(13)

路径长度:

  1. A :根 → 30 → 14 → A,路径长度 3

  2. B :根 → 30 → 14 → B,路径长度 3

  3. C :根 → 70 → 25 → C,路径长度 3

  4. D :根 → 70 → 25 → D,路径长度 3

  5. E :根 → 30 → E,路径长度 2

  6. F :根 → 70 → F,路径长度 2


计算 WPL

字符 权重(频率) 路径长度 权重 × 路径长度
A 5 3 5×3=15
B 9 3 9×3=27
C 12 3 12×3=36
D 13 3 13×3=39
E 16 2 16×2=32
F 45 2 45×2=90

WPL 总和

15+27+36+39+32+90=239

总结

路径长度是哈夫曼树中一个重要的概念,它直接决定了每个字符的编码长度。通过最小化带权路径长度(WPL),哈夫曼树能够实现数据的高效压缩。

相关推荐
virtual_k1smet1 小时前
#等价于e * d ≡ 1 mod φ(n) #模逆元详解
人工智能·算法·机器学习
可触的未来,发芽的智生2 小时前
新奇特:神经网络的集团作战思维,权重共享层的智慧
人工智能·python·神经网络·算法·架构
_屈臣_2 小时前
卡特兰数【模板】(四个公式模板)
c++·算法
坚持编程的菜鸟3 小时前
LeetCode每日一题——交替合并字符串
c语言·算法·leetcode
悦悦子a啊3 小时前
[Java]PTA: jmu-Java-02基本语法-08-ArrayList入门
java·开发语言·算法
xlq223224 小时前
12.排序(上)
数据结构·算法·排序算法
努力学习的小廉4 小时前
我爱学算法之—— 分治-快排
c++·算法
未知陨落4 小时前
LeetCode:77.买卖股票的最佳时机
算法·leetcode
DeeGLMath4 小时前
排序算法的并行加速实现
算法·排序算法·joblib·sortingx
机器学习之心5 小时前
量子遗传算法是一种将量子计算原理与遗传算法相结合的智能优化算法,代表了进化计算的一个有趣分支
算法·量子计算