K-means树VS随机KD树？

Question

我正在阅读these张幻灯片。特别是，在幻灯片52中，它表示：

  

在我们的实验中，我们发现两种算法中的任何一种都可以   具有最佳性能，具体取决于数据集和所需   精度

然而，在上一张幻灯片中仅在以下情况下（a）K-means树比随机kd-tree具有更好的性能，而在其他三个实验中kd-tree绝对是胜利者。

这是正确的还是我在这里读错了？如果是这样，他们为什么说最好的算法依赖于数据集？

Answer 1

在分析了您指向的幻灯片中的图表后，您可以观察到：

• 在（a） for 100k SIFT匹配 K-means执行得更好时平衡速度/精度;

• 在（b）从100K SIFT扩展到31M时，RKD-Trees能够更快地执行，然而如果你想要找到那些匹配的最佳精度，速度会稍微降低;

• 在（c） RKD-Tree搜索中，对于查询没有真正匹配的数据集表现更好。

所以他们确实依赖于数据集。例如，您可以得出结论，RKD-Tree对较大的数据集执行得更快，但是如果精度是您尝试实现的任何任务的相关度量，则RKD-Trees性能将类似于K-means搜索。