kd-tree BBF算法时间复杂度

Question

我有5000个维度的2000分，我想得到最近的邻居。

现在我遇到了一些问题，任何人都可以给出答案。

1. 人们说，它适用于高维度。什么是时间复杂度？

检查了这么多树条目后

2. @param max_nn_chks搜索被切断

   在我读完算法之后，我想知道当我将max_nn_chks设置得太低时我是否会得到错误的答案。如果是，那么告诉我如何设置这个参数，否则给出一个理由，谢谢。

3. kdtree是我的数据获得最近邻居的最佳数据结构吗？

Answer 1

1. 时间复杂度与受限制的KD-Tree搜索基本相同，加上维持优先级队列的时间很短。受限制的KD树搜索算法需要遍历树的全部深度（点数的log2）乘以限制（允许访问的叶节点/点的最大数量）。

2. 是的，如果限制太低，你会得到一个错误的答案。您只能测量找到的真实NN的分数与搜索的叶子节点数。由此，您可以确定最佳值。

3. 通常，随机kd树林和分层k-means树表现最佳。 FLANN提供了一种方法来确定使用哪种算法（k-means与随机kd-tree林）并为您设置最佳参数。

数据结构也有很大影响。例如，如果您知道有多个点集合在一起，您可以将它们分组到树的单个节点中（例如，通过它们的质心表示它们）并加快搜索速度。

可以对数据采用诸如视觉词，PCA或随机投影之类的其他技术。这是一个非常活跃的研究领域。