更好地建造kd树

Question

有没有人尝试使用以下方法改进kd-tree？

1. 通过一些1-d聚类方法划分每个数字维度（例如Jenks Natural Breaks Optimization，或FayyadIranni或xyz ......）
2. 在该维度的每个分区内对方差减少的预期值进行维度排序
3. 根据（2）
中的顺序构建KD树自上而下的选择属性
4. 使用（1）
中的分区在KD树的每个级别分解维度

只是说明显的。如果（3）在#rows小于30时终止，则最近邻居需要30个距离度量，而不是N.

Answer 1

您希望树平衡，因此在分割位置方面没有太多余地。 此外，您希望构造快速。

如果在施工期间采用O（n ^ 2）方法，施工可能会成为新的瓶颈。

在许多情况下，非常简单（原始）的k-d树与任何＆＃34;优化的＆＃34;一样快。试图确定最佳＆＃34;分裂轴。