什么是抽象数据模型?主要特点是什么?

什么是抽象数据模型?主要特点是什么?
什么是抽象数据模型?主要特点是什么?

什么是抽象数据模型?主要特点是什么?
数据抽象
　　概念结构是对现实世界的一种抽象
　　从实际的人、物、事和概念中抽取所关心的共同特性,忽略非本质的细节
　　把这些特性用各种概念精确地加以描述
　　这些概念组成了某种模型
　　三种常用抽象
　　1. 分类（Classification）
　　定义某一类概念作为现实世界中一组对象的类型
　　这些对象具有某些共同的特性和行为
　　它抽象了对象值和型之间的“is member of”的语义
　　在E-R模型中,实体型就是这种抽象
　　2. 聚集（Aggregation）
　　定义某一类型的组成成分
　　它抽象了对象内部类型和成分之间“is part of”的语义
　　在E-R模型中若干属性的聚集组成了实体型,就是这种抽象
　　3. 概括（Generalization）
　　定义类型之间的一种子集联系
　　它抽象了类型之间的“is subset of”的语义
　　概括有一个很重要的性质：继承性.子类继承超类上定义的所有抽象.
　　注：原E-R模型不具有概括,本书对E-R模型作了扩充,允许定义超类实体型和子类实体型.
　　用双竖边的矩形框表示子类,
　　用直线加小圆圈表示超类-子类的联系
　　数据抽象的用途
　　对需求分析阶段收集到的数据进行分类、组织（聚集）,形成
　　实体
　　实体的属性,标识实体的码
　　确定实体之间的联系类型(1:1,1:n,m:n)
　　//
　　#include
　　#include
　　using namespace std;
　　/***Writed by Yecon***/
　　const int MaxTerms = 20; //三元组表smArray中三元组个数的最大值
　　template class SparseMatrix; //稀疏矩阵的类声明
　　template class Trituple
　　{
　　//三元组类
　　friend class SparseMatrix;
　　private:
　　int row,col;
　　Type value;
　　};
　　template class SparseMatrix
　　{
　　int Rows, //行数
　　Cols, //列数
　　Terms; //非零元个数
　　Trituple smArray[MaxTerms]; //三元组表
　　public:
　　SparseMatrix(int MaxRows,int MaxCols); //构造函数
　　bool input_data(int row,int col,Type value); //输入数据
　　SparseMatrix Transpose(); //转置矩阵
　　SparseMatrix Add(SparseMatrix b); //矩阵求和
　　SparseMatrix Mul(SparseMatrix b); //矩阵求积
　　SparseMatrix EmptyMatrix(); //返回零矩阵
　　};
　　template SparseMatrix::SparseMatrix(int MaxRows,int MaxCols)
　　{
　　Rows = MaxRows; //行数置零
　　Cols = MaxCols; //列数置零
　　Terms = 0; //非零元个数置零
　　}
　　template bool SparseMatrix::input_data(int row,int col,Type value)
　　{
　　if(Terms == MaxTerms || row > Rows || col > Cols)return false;
　　if(Terms == 0)//若是第一个元素
　　{
　　//插入第一个元素
　　smArray[Terms].row = row;
　　smArray[Terms].col = col;
　　smArray[Terms].value = value;
　　Terms++;
　　return true;
　　}
　　if((row>smArray[Terms-1].row)||((row==smArray[Terms-1].row)&&(col>smArray[Terms-1].col)))//若是最后一个元素
　　{
　　//插入最后一个元素
　　smArray[Terms].row = row;
　　smArray[Terms].col = col;
　　smArray[Terms].value = value;
　　Terms++;
　　return true;
　　}
　　//若非第一个活最后一个元素
　　//计算应该插入的位置
　　int k = Terms - 1;
　　for(int i = Terms - 1;i >= 0;i--)//确定行
　　if(smArray[i].row >= row)k = i;
　　for(int j = k;smArray[j].row == row;j++)//确定列
　　if(smArray[j].col = k;i--)//为待插入的元素腾出地方
　　smArray[i + 1] = smArray[i];
　　smArray[k].col = col;
　　smArray[k].row = row;
　　smArray[k].value = value;
　　Terms++;
　　return true;
　　}
　　template SparseMatrix SparseMatrix:: Transpose()
　　{
　　//求矩阵的转置
　　int * rowSize = new int[Cols]; //辅助数组,统计个列非零元素个数
　　int * rowStart = new int[Cols]; //辅助数组,预计转置后各行存放位置
　　SparseMatrix b(Cols,Rows);//存放转置结果
　　// b.Rows = Cols;b.Cols = Rows;b.Terms = Terms;
　　if(Terms > 0)
　　{
　　//统计矩阵b中第i行非零元素个数
　　for(int i = 0;i < Cols;i++)rowSize[i] = 0; //清零
　　for(int i = 0;i < Terms;i++)rowSize[smArray[i].col]++;//根据矩阵this中第i个非零元素的列号,将rowSize相当该列的计数加1
　　//计算矩阵b第i行非零元素的开始存放位置
　　rowStart[0] = 0;
　　for(int i = 1;i < Cols;i++) //rowStart[i] = 矩阵b的第i行的开始存放位置
　　rowStart[i] = rowStart[i - 1] + rowSize[i - 1];
　　for(int i = 0;i < Terms;i++)
　　{
　　//从this向b传送
　　int j = rowStart[smArray[i].col]; //j为第i个非零元素在b中应存放的位置
　　b.smArray[j].row = smArray[i].col;
　　b.smArray[j].col = smArray[i].row;
　　b.smArray[j].value = smArray[i].value;
　　rowStart[smArray[i].col]++; //矩阵b第i行非零元素的存放位置加1
　　}
　　}
　　delete []rowSize;
　　delete []rowStart;
　　return b;
　　}
　　template SparseMatrix SparseMatrix::Mul(SparseMatrix b)
　　{
　　//矩阵求积
　　if(Cols != b.Rows)
　　{
　　//this矩阵列数与b矩阵行数不能
　　cout