查找30维向量的10个最接近的匹配，什么数据结构？

Question

我有一个30维度的向量，我想在我的数据库中找到10个最接近的匹配项。我的DB中有大约3000个向量，我要将它与之进行比较。有些尺寸比其他尺寸更重要，所以我想给它们所有单独的重量。

30个维度是由10倍RGB值构建的。我将一张图片拆分为9个图块。所以9 * 3（RGB）27。最后三个值是图片平均颜色的RGB。

我的问题是：这是否可行，如果是的话。使这个过程尽可能快速有效的最佳方法是什么？我自己，我在想某种树，但是有很多树，我不知道哪一棵树最适合我的问题。

编辑：

我想我对自己想要达到的目标并不完全清楚。我有一个随机向量，我想将这个与我的数据库中的向量进行比较，找到10关闭。我有一个包含所有载体的数据库。我将它们存储在MySQL数据库中，每一行都是一个向量。见下文

Answer 1

这个问题类似于当你有太多的参考点时找到n个最近点的问题。

假设您知道如何比较两个向量以找到它们之间的“距离”，您可以使用最大堆。使用随机向量的距离作为比较来自db的两个向量的关键。也就是说，

1. 从数据库中的前10个向量中找出随机向量的距离，并将它们存储在大小为10的最大堆中。因此，根将是距离随机向量最远的向量。
2. 逐个比较并找到从随机向量到所有其他向量的距离。
3. 对于每次比较，如果找到的距离小于最大堆的根，则从堆中提取max元素并在堆中插入最新的向量。
4. 最后，你的堆中将有10个最接近的向量。

那就是说，你的问题空间似乎很小。因此，您可以按照评论中的建议使用蛮力。