我从 https://sparse.tamu.edu/Embree/ifiss_mat 下载了一个矩阵，在加载这个文件后，我注意到矩阵被存储为一个包含 3 个行索引、列索引和数据数组的结构。在这种特殊情况下，表示为包含 Problem.A.ir、Problem.A.jc、Problem.A.data 的结构体。
我只习惯于将矩阵作为 Problem.A 随时可用，有没有办法从这个结构转换为“正常”矩阵？
答案 0 :(得分：2)
查看您提供的链接中的数据和描述后，在我看来，这个特定数据集遵循以下模式：
data 是非零位置的值ir 是基于零的行索引，对应于非零位置（与数据大小相同）jc 是一个辅助向量，当一列行索引停止而下一列在 ir 向量中开始时，它会以基于零的形式告诉您所以，例如ir 中的前 20 个条目是：
0 1 2 33 34 35 66 67 68 0 1 2 33 34 35 66 67 68 0 1
jc 中的前 3 个条目是：
0 9 18
这意味着在第一列中，假设零索引，第 0 1 2 33 34 35 66 67 68 行（即 ir[0:8] 具有非零数据（分别取自 data[0:8]）。
然后，在第二列中，第 0 1 2 33 34 35 66 67 68 行（即 ir[9:17]）具有非零数据（分别取自 data[9:17]。
然后您必须将所有这些调整 1，以将其转换为 matlab/octave 支持的基于 ONE-BASED-INDEXING。
处理完所有这些后，您将能够为数据集中的所有非零值（即 3,599,932 个条目）创建与行、列和值相对应的 i,j,v 三元组数组在数据中）。然后，您可以将这些 i、j 和 v 向量以及矩阵的维度（根据网站为 96,307 x 96,307）传递到 sparse 中，以创建您的稀疏矩阵。
不幸的是，我认为没有特定的函数可以识别这种格式并为您生成 matlab/octave 等效稀疏矩阵。您必须编写代码才能手动执行此操作。不过这应该不会太难。
附注。请注意，问题结构中的许多其他字段实际上是文本，但由于某种原因，它被编码为 ascii 数字。要检索实际文本，您需要将其传递到 char，例如char(Problem.notes)