如果结果不匹配，请 
更多“对稀疏矩阵进行压缩存储是为了便于进行矩阵运算。（)”相关的问题
A.稀疏性指的是矩阵中有许多列与当前学习任务无关
B.稀疏样本可减少学习任务的计算开销
C.学习任务难度可能有所降低
D.稀疏矩阵没有高效的存储方法
已知稀疏矩阵采用带行表的三元组表表示，其形式说明如下：
define MaxRow 100 //稀疏矩阵的最大行数
typedef struct{
int i,j,v; //行号、列号、元素值
}TriTupleNode;
typedef struct{
TriTupleNode data[MaxSize];
int RowTab[MaxRow+1]; //行表
int m,n,t; //矩阵的行数、列数和非零元个数
}RTriTupleTable; 下列算法f31的功能是，以行优先的顺序输入稀疏矩阵的非零元(行号、列号、元素值)，建立稀疏矩阵的带行表的三元组表存储结构。请在空缺处填入合适内容，使其成为一个完整的算法。(注：矩阵的行、列下标均从1起计)
void f31(RTriTupleTable*R)
{ int i,k;
scanf("%d%d%d",&R—＞m,&R—＞n，&LR—＞t);
R—＞RowTab[1]=0;
k=1; //k指示当前输入的非零元的行号
for(i=0;[ ① ];i++)
{ scanf("%d%d%d",[ ② ],[ ③ ],&R—＞data[i].v);
while(k＜R-＞data[i].i)
{[ ④ ];
R—＞RowTab[k]=i;
}
}
}
基于三元组的稀疏矩阵转置的处理方法有两种，以下运算按照矩阵A的三元组a.data的次序进行转置(快速转置)，请在______处用适当的语句予以填充。
Fast_Trans_Sparmat(SpMatrixTp a,SpMatrixTp*b)
{ (*b)．mu=a.nu;(*b).nu=a.mu;(*b).tu=a.tu;
if(a.tu)
{ for(col)=1;______col++)unm[col]=0
for(t=1;t＜=a.tu;t++)num[a.data[t].j]++;
cpot[1]=1;
for(col=2;col＜=a.nu;col++)cpot[col]=______;
for(p=1;p＜=a.tu;p++)
{ col=a.data[p].j;
q=cpot[col];
(*b).data[q].i=a．data[p].j;
(*b).data[q].j=a.data[p].i;
(*b).data[q].v=a.data[p].v;
______;
}
}
}
若某矩阵元素在B中存放的位置为k，那么该元素在原矩阵中的行号i是()。
A、
B、
C、
D、
Trans_Sparmat(SpMatrixTp a,SpMatrixTp*b)
{ (*b).mum=a.nu;(*b).nu=a.mu;(*b).tu=a.tu
if(a.tu)
{ q=1;
for(col=1;______;col++)
for(p=1;p＜=a.tu;p++)
if(______)==col)
{ (*b).data[q].i=a.data[p].j;
(*b).data[q].j=a.data[p].i;
(*b).data[q].v=a.data[p].v;
______;
}
}
}
