哈希实验报告.docVIP

一、 问题描述 1. 实验题目：利用哈希表统计两源程序的相似性 2. 基本要求： 1）内容： 对于两个 C 语言的源程序清单，用哈希表的方法分别统计两程序中使用C语言关键字的情况，并最终按定量的计算结果，得出两份源程序的相似性。 2）要求与提示： C 语言关键字的哈希表可以自建，也可以采用下面的哈希函数作为参考： Hash(key)=(key第一个字符序号*100+key最后一个字符序号)%41 表长m取43。此题的工作主要是扫描给定的源程序，累计在每个源程序中C语言关键字出现的频度。为保证查找效率，建议自建哈希表的平均查找长度不大于2。 扫描两个源程序所统计的所有关键字不同频度， 可以得到两个向量。如下面简单的例子所示： 关键字 void int for char if else while 程序1中 关键字频度 4 3 4 3 7 0 2 程序2中 关键字频度 4 2 5 4 5 2 1 哈希地址 0 1 2 3 4 5 6 7 8 9 根据程序1和程序2中关键字出现的频度，可提取到两个程序的特征向量X1和X2，其中 X1=(4 3 0 4 3 0 7 0 0 2)T X2=(4 2 0 5 4 0 5 2 0 1)T 一般情况下，可以通过计算向量Xi和Xj的相似值来判断对应两个程序的相似性，相似值的判别函数计算公式为: 其中，。S(Xi,Xj)的值介于[0,1]之间，也称广义余弦，即S(Xi,Xj)=COSθ。Xi=Xj 时，显见S(Xi,Xj)=1，θ=0；XiXj 差别很大时，S(Xi,Xj)接近0，θ接近π/2。如X1=(1 0)T,X2=(0 1)T,则S(Xi,Xj)=0，θ=π/2。当S值接近1 的时候，为避免误判相似性（可能是夹角很小，模值很大的向量），应当再次计算之间的“几何距离” D(Xi,Xk)。其计算公式为： 最后的相似性判别计算可分两步完成： 第一步 用式（3-1）计算S，把接近 1的保留，抛弃接近0的情况（把不相似的排除）； 第二步 对保留下来的特征向量，再用式（3-2）计算D，如D值也比较小，说明两者对应的程序确实可能相似（慎重肯定相似的）。 S和D的值达到什么门限才能决定取舍？需要积累经验，选择合适的阈值。 3) 测试数据: 做几个编译和运行都无误的C程序，程序之间有相近的和差别大的，用上述方 法求S，并对比差异程度。 二、 需求分析 1.本程序能够打印根据关键字建立的哈希表及利用该表统计的C语言源程序关键字使用情况，得出源程序的相似性。 2.将关键字输入key.txt中，关键字均为char型，以空格分开，将要比较的源程序存入不同文本文档中，运行时按提示输入源程序个数和相应的文档名称，若输入多个源程序，比较时输入相应的源程序序号（序号为输入源程序的顺序）。 3.输出建立的哈希表，按哈希表统计的源程序关键字使用情况，所比较的两个程序间的相似度以及向量的几何距离。 三、 概要设计 为了实现上述功能，需要哈希表抽象数据类型。 哈希表抽象数据类型定义： ADT HashList{ 数据对象：D是相同类型元素构成的结合。 数据关系：R={集合内的元素之间是松散关系} 基本操作： int Dimension(LinkHashList HT);//求哈希表元素总个数 int HashFunc(char *e); //哈希函数 void InitHashList(LinkHashList HT,int m,FILE *fp); //创建哈希表 void InsertHT(LinkHashList HT,char *e);//插入元素 LNode * SearchHT(LinkHashList HT,char *e);//查找元素 void HashBuild(FILE *fp,LinkHashList HT);//统计源程序每个关键字频度 void Hashclear(LinkHashList HT,int m);//将哈希表每个关键字频度置零 void TraverseHT(LinkHashList HT); //输出哈希表 } ADT HashList 5.本程序保护模块： 主程序模块 哈希表单元模块：实现哈希表抽象数据类型 调用关系： 主程序模块-哈希表单元模块 四、 详细设计 1.结点类型和结点指针类型： typedef struct LNode{ char data[10]; int account; struct LNode *next; }LNode,**ppLNode; typedef struct{ ppLNode head; int length; }LinkHashList;