数据结构 模拟实现二叉树(孩子表示法)
目录
一、二叉树的简单概念
(1)关于树的一些概念
(2)二叉树的一些概念及性质
定义二叉树的代码:
二、二叉树的方法实现
(1)createTree
(2)preOrder
(3)inOrder
(4)postOrder
(5)size
(6)getLeafNodeCount
(7)getKLevelNodeCount
(8)getHeight
(9)find
(10)levelOrder
(11)isCompleteTree
三、最终代码
一、二叉树的简单概念
(1)关于树的一些概念
结点的度:一个结点含有子树的个数称为该结点的度; 如上图:A的度为6
树的度:一棵树中,所有结点度的最大值称为树的度; 如上图:树的度为6
叶子结点或终端结点:度为0的结点称为叶结点; 如上图:B、C、H、I...等节点为叶结点
双亲结点或父结点:若一个结点含有子结点,则这个结点称为其子结点的父结点; 如上图:A是B的父结点
孩子结点或子结点:一个结点含有的子树的根结点称为该结点的子结点; 如上图:B是A的孩子结点
根结点:一棵树中,没有双亲结点的结点;如上图:A
结点的层次:从根开始定义起,根为第1层,根的子结点为第2层,以此类推
树的高度或深度:树中结点的最大层次; 如上图:树的高度为4
非终端结点或分支结点:度不为0的结点; 如上图:D、E、F、G...等节点为分支结点
兄弟结点:具有相同父结点的结点互称为兄弟结点; 如上图:B、C是兄弟结点
堂兄弟结点:双亲在同一层的结点互为堂兄弟;如上图:H、I互为兄弟结点
结点的祖先:从根到该结点所经分支上的所有结点;如上图:A是所有结点的祖先
子孙:以某结点为根的子树中任一结点都称为该结点的子孙。如上图:所有结点都是A的子孙
森林:由m(m>=0)棵互不相交的树组成的集合称为森林
(2)二叉树的一些概念及性质
概念:二叉树即为每个节点的度都小于等于2的树,即为二叉树。
性质:
1. 若规定根结点的层数为1,则一棵非空二叉树的第i层上最多有 (i>0)个结点
2. 若规定只有根结点的二叉树的深度为1,则深度为K的二叉树的最大结点数是 (k>=0)
3. 对任何一棵二叉树, 如果其叶结点个数为 n0, 度为2的非叶结点个数为 n2,则有n0=n2+1
4. 具有n个结点的完全二叉树的深度k为 上取整
5. 对于具有n个结点的完全二叉树,如果按照从上至下从左至右的顺序对所有节点从0开始编号,则对于序号为i的结点有:
若i>0,双亲序号:(i-1)/2;i=0,i为根结点编号,无双亲结点
若2i+1<n,左孩子序号:2i+1,否则无左孩子
若2i+2<n,右孩子序号:2i+2,否则无右孩子
定义二叉树的代码:
//孩子表示法
public class MyBinomialTree {static class TreeNode {char val;TreeNode left;TreeNode right;public TreeNode(char val) {this.val = val;}}
}
二、二叉树的方法实现
(1)createTree
此方法是创建一个二叉树,里面是已经构造好了的二叉树,画图是如下情况:
代码如下:
//创建一个二叉树TreeNode createTree() {TreeNode A = new TreeNode('A');TreeNode B = new TreeNode('B');TreeNode C = new TreeNode('C');TreeNode D = new TreeNode('D');TreeNode E = new TreeNode('E');TreeNode F = new TreeNode('F');TreeNode G = new TreeNode('G');TreeNode H = new TreeNode('H');A.left = B;A.right = C;B.left = D;B.right = E;E.right = H;C.left = F;C.right = G;return A;}
在main方法中创建MyBinomialTree类的对象,调用此方法,就能创建出上面的二叉树,代码如下:
MyBinomialTree myBinomialTree = new MyBinomialTree();MyBinomialTree.TreeNode root = myBinomialTree.createTree();
(2)preOrder
此方法是前序遍历二叉树的方法,前序遍历即为根左右的顺序遍历二叉树,上图我们创建的二叉树,前序遍历为:A B D E H C F G
代码如下:
// 前序遍历void preOrder(TreeNode root) {if(root == null) {return;}System.out.print(root.val + " ");preOrder(root.left);preOrder(root.right);}
执行效果如下:
和上面写的顺序一样。
(3)inOrder
此方法是中序遍历的方法,中序遍历即为左根右的顺序遍历二叉树,继续照着上面的图,中序遍历为:D B E H A F C G
代码如下:
// 中序遍历 -》 左根右void inOrder(TreeNode root){if(root == null) {return;}inOrder(root.left);System.out.print(root.val + " ");inOrder(root.right);}
执行效果如下:
和上面写的顺序一样。
(4)postOrder
此方法是后续遍历的方法,后序遍历即为左右根的顺序遍历二叉树,照着上面创建的二叉树图,后序遍历为:D H E B F G C A
代码如下:
// 后序遍历 -》 左右根void postOrder(TreeNode root){if(root == null) {return;}postOrder(root.left);postOrder(root.right);System.out.print(root.val + " ");}
执行效果如下:
和上面写的顺序一样。
(5)size
此方法是计算二叉树有多少个节点的方法,要计算二叉树有多少个节点,也意味着要遍历一遍二叉树,可以使用上面前中后序的任一遍历方法,用一个全局变量count1计数,如果遍历到当前节点不为空,则count++,最后返回count,代码如下:
public static int count1 = 0;int size1(TreeNode root) {if(root == null) {return 0;}if(root != null) {count1++;}size1(root.left);size1(root.right);return count1;}
执行效果如下:
也可以使用子问题思想,二叉树的节点 = 当前root节点的左节点之和 + 当前root节点的右节点之和 + 1,如图:
左边的子树+右边的子树+root本身自己(1)
代码如下:
// 获取树中节点的个数int size(TreeNode root) {if(root == null) {return 0;}return size(root.left) + size(root.right) + 1;}
执行效果如下:
(6)getLeafNodeCount
此方法是获取叶子节点的个数,要获取叶子节点个数,可以用遍历一遍二叉树的思想,找出二叉树那些节点即没有左孩子,也没有右孩子的节点,即叶子节点,所以要定义一个全局变量count2
代码如下:
public static int count2 = 0;// 获取叶子节点的个数int getLeafNodeCount(TreeNode root) {if(root == null) {return 0;}if(root.left == null && root.right == null) {count2++;}getLeafNodeCount(root.left);getLeafNodeCount(root.right);return count2;}
执行效果如下:
从图中可以看出,叶子节点有4个。
子问题思路:也是需要遍历二叉树,但遍历的方式不同,如果找到是叶子节点就返回1,不是则return后面加上方法的递归,即root节点的左边子树的叶子节点+右边子树的叶子节点,如图:
代码如下:
// 子问题思路-求叶子结点个数int getLeafNodeCount1(TreeNode root) {if(root == null) {return 0;}if(root.left == null && root.right == null) {return 1;}return getLeafNodeCount1(root.left) + getLeafNodeCount1(root.right);}
执行效果如下:
也是4个
(7)getKLevelNodeCount
此方法是获取第K层节点的个数,第K层节点的个数 = 第K-1层的所有节点的第二层节点的个数之和,如图,第三层节点的个数=第二层节点的所有节点的第一层节点的个数之和,即B节点的第一层节点之和+C节点的第一层节点之和,而第一层节点个数只能为1。
代码如下:
// 获取第K层节点的个数int getKLevelNodeCount(TreeNode root,int k) {if(root == null) {return 0;}if(k == 1) {return 1;}return getKLevelNodeCount(root.left, k - 1) + getKLevelNodeCount(root.right, k - 1);}
执行效果如下:
从上图可以看出第三层节点有4个,和代码运行出的结果一样。
(8)getHeight
此方法是获取二叉树的高度,要获取二叉树的高度,就需要找出root节点下面每个分支的最高高度,然后再+1,如图:
很显然,上面二叉树的高度是3+1=4
代码如下:
// 获取二叉树的高度int getHeight(TreeNode root) {if(root == null) {return 0;}if(root.left == null && root.right == null) {return 1;}return Math.max(getHeight(root.left), getHeight(root.right)) + 1;}
执行结果如下:
和预期结果一样。
(9)find
此方法是检测值为value的元素是否存在,要检查某个节点是否存在,就要对二叉树进行遍历,这里使用前序的遍历方法,但要注意,递归的时候要保存节点,所以要创建新的二叉树保存返回的节点
代码如下:
// 检测值为value的元素是否存在TreeNode find(TreeNode root, char val) {if(root == null) {return null;}if(root.val == val) {return root;}TreeNode ret1 = find(root.left, val);if(ret1 != null) {return ret1;}TreeNode ret2 = find(root.right, val);if(ret2 != null) {return ret2;}return null;}
执行效果如下:
上面的二叉树存在 'C' 这个节点,假如找 'X' 节点,则不会存在,会是null,如图:
(10)levelOrder
此方法是层序遍历,层序遍历是从左到右,从上到下的遍历顺序,上图的二叉树层序遍历为:
A B C D E F G H
这里需要使用到队列,用上面的二叉树为例子,下面展示二叉树的节点存放进队列的顺序,如下:
先把根节点存放进队列,如下图:
判断队列是不是空,不是空就出队列的元素,分别判断这个元素有没有左节点和右节点,如果有,就存进队列里,如下图:
出队顶元素,次数队顶元素是B,判断B有没有左右子树,有的话分别入队列,如下图:
下一步和上面一样,如下图:
最后依次出队顶元素,再把H入队列,依次遍历,也就实现了从左到右,从上到下的遍历
代码如下:
//层序遍历void levelOrder(TreeNode root) {//没有二叉树,直接返回if(root == null) {return;}//使用队列存放二叉树的元素Queue<TreeNode> queue = new LinkedList<>();queue.offer(root);while (!queue.isEmpty()) {TreeNode ret = queue.poll();System.out.print(ret.val + " ");if(ret.left != null) {queue.offer(ret.left);}if(ret.right != null) {queue.offer(ret.right);}}}
执行效果如下:
和预期结果一样。
(11)isCompleteTree
此方法是判断一棵树是不是完全二叉树,完全二叉树,即除叶子节点外,其他节点的度都为2,如下图就是完全二叉树。
但是下面的图不是完全二叉树,也是createTree方法创建的二叉树
要判断二叉树是否为完全二叉树,可以里队列,第一步骤是把二叉树层序遍历一遍:一开始把根节点root入队列,判断循环的结束条件就是队列不为空,然后找当前节点的左右子树,当前节点不为null,它的左右子树就分别存进队列,为null就直接跳出循环。这样,如果队列里有节点,即不为空的元素,则该节点不是完全二叉树,如果该队列里全是null,则是完全二叉树。因为层序遍历,如果是完全二叉树,则最后一层节点遍历完后,队列存放的元素都为null,否则不是,如图:
第二步骤是把队列里所有元素都检查一遍,如果有不为null的元素,就返回false,全为null就返回true。
代码如下:
// 判断一棵树是不是完全二叉树boolean isCompleteTree(TreeNode root) {if(root == null) {return true;}Queue<TreeNode> queue = new LinkedList<>();queue.offer(root);while (!queue.isEmpty()) {TreeNode ret = queue.poll();if(ret != null) {queue.offer(ret.left);queue.offer(ret.right);}else {break;}}while (!queue.isEmpty()) {TreeNode ret = queue.peek();if(ret == null) {queue.poll();} else {return false;}}return true;}
使用有H节点的的createTree方法,执行效果如下:
使用没有H节点的的createTree方法,执行效果如下:
符合我们的预期效果。
三、最终代码
public class MyBinomialTree {static class TreeNode {char val;TreeNode left;TreeNode right;public TreeNode(char val) {this.val = val;}}//创建一个二叉树TreeNode createTree() {TreeNode A = new TreeNode('A');TreeNode B = new TreeNode('B');TreeNode C = new TreeNode('C');TreeNode D = new TreeNode('D');TreeNode E = new TreeNode('E');TreeNode F = new TreeNode('F');TreeNode G = new TreeNode('G');TreeNode H = new TreeNode('H');A.left = B;A.right = C;B.left = D;B.right = E;//E.right = H;C.left = F;C.right = G;return A;}// 前序遍历void preOrder(TreeNode root) {if(root == null) {return;}System.out.print(root.val + " ");preOrder(root.left);preOrder(root.right);}// 中序遍历 -》 左根右void inOrder(TreeNode root){if(root == null) {return;}inOrder(root.left);System.out.print(root.val + " ");inOrder(root.right);}// 后序遍历 -》 左右根void postOrder(TreeNode root){if(root == null) {return;}postOrder(root.left);postOrder(root.right);System.out.print(root.val + " ");}public static int count1 = 0;int size1(TreeNode root) {if(root == null) {return 0;}if(root != null) {count1++;}size1(root.left);size1(root.right);return count1;}// 获取树中节点的个数int size(TreeNode root) {if(root == null) {return 0;}return size(root.left) + size(root.right) + 1;}public static int count2 = 0;// 获取叶子节点的个数int getLeafNodeCount(TreeNode root) {if(root == null) {return 0;}if(root.left == null && root.right == null) {count2++;}getLeafNodeCount(root.left);getLeafNodeCount(root.right);return count2;}// 子问题思路-求叶子结点个数int getLeafNodeCount1(TreeNode root) {if(root == null) {return 0;}if(root.left == null && root.right == null) {return 1;}return getLeafNodeCount1(root.left) + getLeafNodeCount1(root.right);}// 获取第K层节点的个数int getKLevelNodeCount(TreeNode root,int k) {if(root == null) {return 0;}if(k == 1) {return 1;}return getKLevelNodeCount(root.left, k - 1) + getKLevelNodeCount(root.right, k - 1);}// 获取二叉树的高度int getHeight(TreeNode root) {if(root == null) {return 0;}if(root.left == null && root.right == null) {return 1;}return Math.max(getHeight(root.left), getHeight(root.right)) + 1;}// 检测值为value的元素是否存在TreeNode find(TreeNode root, char val) {if(root == null) {return null;}if(root.val == val) {return root;}TreeNode ret1 = find(root.left, val);if(ret1 != null) {return ret1;}TreeNode ret2 = find(root.right, val);if(ret2 != null) {return ret2;}return null;}//层序遍历void levelOrder(TreeNode root) {//没有二叉树,直接返回if(root == null) {return;}//使用队列存放二叉树的元素Queue<TreeNode> queue = new LinkedList<>();queue.offer(root);while (!queue.isEmpty()) {TreeNode ret = queue.poll();System.out.print(ret.val + " ");if(ret.left != null) {queue.offer(ret.left);}if(ret.right != null) {queue.offer(ret.right);}}}// 判断一棵树是不是完全二叉树boolean isCompleteTree(TreeNode root) {if(root == null) {return true;}Queue<TreeNode> queue = new LinkedList<>();queue.offer(root);while (!queue.isEmpty()) {TreeNode ret = queue.poll();if(ret != null) {queue.offer(ret.left);queue.offer(ret.right);}else {break;}}while (!queue.isEmpty()) {TreeNode ret = queue.peek();if(ret == null) {queue.poll();} else {return false;}}return true;}
}
都看到这了,点个赞再走吧,谢谢谢谢!
相关文章:

数据结构 模拟实现二叉树(孩子表示法)
目录 一、二叉树的简单概念 (1)关于树的一些概念 (2)二叉树的一些概念及性质 定义二叉树的代码: 二、二叉树的方法实现 (1)createTree (2)preOrder (…...

Android14之解决刷机报错:Can not load Android system. Your data may be corrupt(一百七十七)
简介: CSDN博客专家,专注Android/Linux系统,分享多mic语音方案、音视频、编解码等技术,与大家一起成长! 优质专栏:Audio工程师进阶系列【原创干货持续更新中……】🚀 优质专栏:多媒…...

二阶贝塞尔曲线生成弧线
概述 本文分享一个二阶贝塞尔曲线曲线生成弧线的算法。 效果 实现 1. 封装方法 class ArcLine {constructor(from, to, num 100) {this.from from;this.to to;this.num num;return this.getPointList();}getPointList() {const { from, to } thisconst ctrlPoint thi…...

FilterQuery过滤查询
ES中的查询操作分为两种:查询和过滤。查询即是之前提到的query查询,它默认会计算每个返回文档的得分,然后根据得分排序。而过滤只会筛选出符合条件的文档,并不计算得分,并且可以缓冲记录。所以我们在大范围筛选数据时&…...

java多线程(并发)夯实之路-线程池深入浅出
线程池 Thread Pool:线程池,存放可以重复使用的线程(消费者) Blocking Queue:阻塞队列,存放等待执行的任务(生产者) poll方法(有时限地获取任务)相对take注…...
数据库-列的类型-字符串char类型
char 和 varchar 类型 char 类型懂得都懂就是固定的字符串类型 char (maxLen) 例如 char(5) 这个长度为5 但插入数据‘a’时 是5 插入abc 也是5 即使插满固定 就像C/C语言里 char 字符数组一样 char str[64]; maxLen255 哈哈最多有255个字符多了我认为你是错误 varchar…...

大话 JavaScript(Speaking JavaScript):第二十一章到第二十五章
第二十一章:数学 原文:21. Math 译者:飞龙 协议:CC BY-NC-SA 4.0 Math对象用作多个数学函数的命名空间。本章提供了一个概述。 数学属性 Math的属性如下: Math.E 欧拉常数(e) Math.LN2 2 …...

ICMP协议
ICMP协议是网络层协议, 利用ICMP协议可以实现网络中监听服务和拒绝服务,如 ICMP重定向的攻击。 一、ICMP基本概念 1、ICMP协议 ICMP是Internet控制报文协议,用于在IP主机、路由器之间传递控制消息,控制消息指网络通不通、主机是…...

环信服务端下载消息文件---菜鸟教程
前言 在服务端,下载消息文件是一个重要的功能。它允许您从服务器端获取并保存聊天消息、文件等数据,以便在本地进行进一步的处理和分析。本指南将指导您完成环信服务端下载消息文件的步骤。 环信服务端下载消息文件是指在环信服务端上,通过调…...

创建型模式 | 建造者模式
一、建造者模式 1、原理 建造者模式又叫生成器模式,是一种对象的构建模式。它可以将复杂对象的建造过程抽象出来,使这个抽象过程的不同实现方法可以构造出不同表现(属性)的对象。创建者模式是一步一步创建一个复杂的对象…...
MVC设计模式
在当今的软件开发领域,MVC(Model-View-Controller)设计模式已经成为了一种广泛使用的架构模式。它为应用程序提供了一种结构化的方法,将数据、用户界面和业务逻辑分开,从而使得应用程序更易于维护、扩展和重用。 一、…...
WSL (2103) ERROR: CreateProcessEntryCommon:493: chdir 错误解决
[TOC](WSL (2103) ERROR: CreateProcessEntryCommon:493: chdir 错误解决) 1. 错误信息 <3>WSL (2103) ERROR: CreateProcessEntryCommon:493: chdir(/mnt/d/Program Files/PowerShell/7) failed 52. 解决方法 wsl --shutdownwslrefer: https://github.com/microsoft/…...

【二、自动化测试】为什么要做自动化测试?哪种项目适合做自动化?
自动化测试是一种软件测试方法,通过编写和使用自动化脚本和工具,以自动执行测试用例并生成结果。 自动化旨在替代手动测试过程,提高测试效率和准确性。 自动化测试可以覆盖多种测试类型,包括功能测试、性能测试、安全测试等&…...
用ChatGPT来造一个ChatGPT:计算机领域智能问答系统实践(2)
在PHP语言中,你可以使用MySQL数据库来存储知识库,并使用PHP来实现系统的逻辑。以下是一个简单的示例: 创建数据库表: 首先,创建一个名为 computer_knowledge 的表来存储计算机知识。可以使用以下SQL语句:…...

Ubuntu开机自动挂载硬盘
前言: 因为我的电脑是WIN10 Ubuntu18.04双系统,且两个系统都装在C盘上,而D盘作为数据和代码存储盘,经常会开机就被访问,例如上一次关机前用VS Code访问D盘代码,然后下一次开机的时候打开VSCode发现打不开…...
vue3基础:单文件组件介绍
介绍 Vue 的单文件组件 (即 *.vue 文件,简称 SFC,全称是single file component) 是一种特殊的文件格式,使我们能够将一个 Vue 组件的模板、逻辑与样式封装在单个文件中。下面是一个单文件组件的示例: <script> export def…...

OCR字符识别:开始批量识别身份证信息
身份证信息批量识别OCR是一项解决方案,它能够将身份证照片打包成zip格式或通过URL地址进行提交,并能够识别照片中的文本信息。最终,用户可以将识别结果生成为excel文件进行下载。 API接口功能: 1. 批量识别:支持将多…...

php多小区智慧物业管理系统源码带文字安装教程
多小区智慧物业管理系统源码带文字安装教程 运行环境 服务器宝塔面板 PHP 7.0 Mysql 5.5及以上版本 Linux Centos7以上 统计分析以小区为单位,统计如下数据:小区总栋数、小区总户数、小区总人数、 小区租户数量、小区每月收费金额统计、小区车位统计、小…...

解决虚拟机的网络图标不见之问题
在WIN11中,启动虚拟机后,发现网络图标不见了,见下图: 1、打开虚拟机终端 输入“sudo server network-manager stop”,停止网络管理器 输入“cd /回车” , 切换到根目录 输入“cd var回车” ,…...
【Spring类路径Bean定义信息扫描】
Spring类路径Bean定义信息扫描 1. ClassPathBeanDefinitionScanner作用2. 类声明3. 属性4. 构造器5. 扫描方法6. 真正扫描方法7. postProcessBeanDefinition8. 注册bean定义 1. ClassPathBeanDefinitionScanner作用 扫描类路径下的类注册为bean定义。2. 类声明 public class …...

日语AI面试高效通关秘籍:专业解读与青柚面试智能助攻
在如今就业市场竞争日益激烈的背景下,越来越多的求职者将目光投向了日本及中日双语岗位。但是,一场日语面试往往让许多人感到步履维艰。你是否也曾因为面试官抛出的“刁钻问题”而心生畏惧?面对生疏的日语交流环境,即便提前恶补了…...

【人工智能】神经网络的优化器optimizer(二):Adagrad自适应学习率优化器
一.自适应梯度算法Adagrad概述 Adagrad(Adaptive Gradient Algorithm)是一种自适应学习率的优化算法,由Duchi等人在2011年提出。其核心思想是针对不同参数自动调整学习率,适合处理稀疏数据和不同参数梯度差异较大的场景。Adagrad通…...
Leetcode 3577. Count the Number of Computer Unlocking Permutations
Leetcode 3577. Count the Number of Computer Unlocking Permutations 1. 解题思路2. 代码实现 题目链接:3577. Count the Number of Computer Unlocking Permutations 1. 解题思路 这一题其实就是一个脑筋急转弯,要想要能够将所有的电脑解锁&#x…...
基于Uniapp开发HarmonyOS 5.0旅游应用技术实践
一、技术选型背景 1.跨平台优势 Uniapp采用Vue.js框架,支持"一次开发,多端部署",可同步生成HarmonyOS、iOS、Android等多平台应用。 2.鸿蒙特性融合 HarmonyOS 5.0的分布式能力与原子化服务,为旅游应用带来…...
数据链路层的主要功能是什么
数据链路层(OSI模型第2层)的核心功能是在相邻网络节点(如交换机、主机)间提供可靠的数据帧传输服务,主要职责包括: 🔑 核心功能详解: 帧封装与解封装 封装: 将网络层下发…...

现代密码学 | 椭圆曲线密码学—附py代码
Elliptic Curve Cryptography 椭圆曲线密码学(ECC)是一种基于有限域上椭圆曲线数学特性的公钥加密技术。其核心原理涉及椭圆曲线的代数性质、离散对数问题以及有限域上的运算。 椭圆曲线密码学是多种数字签名算法的基础,例如椭圆曲线数字签…...

令牌桶 滑动窗口->限流 分布式信号量->限并发的原理 lua脚本分析介绍
文章目录 前言限流限制并发的实际理解限流令牌桶代码实现结果分析令牌桶lua的模拟实现原理总结: 滑动窗口代码实现结果分析lua脚本原理解析 限并发分布式信号量代码实现结果分析lua脚本实现原理 双注解去实现限流 并发结果分析: 实际业务去理解体会统一注…...

让AI看见世界:MCP协议与服务器的工作原理
让AI看见世界:MCP协议与服务器的工作原理 MCP(Model Context Protocol)是一种创新的通信协议,旨在让大型语言模型能够安全、高效地与外部资源进行交互。在AI技术快速发展的今天,MCP正成为连接AI与现实世界的重要桥梁。…...

如何理解 IP 数据报中的 TTL?
目录 前言理解 前言 面试灵魂一问:说说对 IP 数据报中 TTL 的理解?我们都知道,IP 数据报由首部和数据两部分组成,首部又分为两部分:固定部分和可变部分,共占 20 字节,而即将讨论的 TTL 就位于首…...

论文笔记——相干体技术在裂缝预测中的应用研究
目录 相关地震知识补充地震数据的认识地震几何属性 相干体算法定义基本原理第一代相干体技术:基于互相关的相干体技术(Correlation)第二代相干体技术:基于相似的相干体技术(Semblance)基于多道相似的相干体…...