我正在研究一种算法，该算法反复需要距离某个给定查询点的第k个最近点的（欧几里德）距离，这些点都来自点矢量。此外，我反复需要找到一个点的给定半径内的所有点。
我正在考虑使用nanoflann库中的k-d树。但是，knnSearch（）函数返回所有k个最近邻居，这是我不需要的。 （但是，radiusSearch（）函数很适合我。）
有没有更有效的方式来获得我需要的东西，除了每次都在穿过所有k个最近的邻居？更好的数据结构还是更好的实现？ （我正在使用C ++。）
答案 0 :(得分：1)
我正在考虑使用k-d树
2D或3D的绝佳选择。
对于低维数据而言，k-d树是一个很好的选择（我假设你已经将nanoflann“主要针对2D或3D点云进行了优化。”）。是否有更有效的方法来获得我需要的东西，除了每次都在k所有k个最近的邻居之外？
你需要第k个最近邻（NN），但是当在kd树中搜索k个NN时，昂贵的操作（就时间而言）是找到第一个NN（需要你从树上下来，所有从根到叶子的方式。）
找到第2个，第3个或另一个索引的NN相对便宜，我高度怀疑它会损害性能（即从树返回的k个NN中获取第k个NN将成为瓶颈）。 / p>
所以，我强烈建议你不要担心这一步。
更好的数据结构还是更好的实施？
我不这么认为。我没有使用nanoflann，但CGAL用于此类查询，值得尝试（但CGAL需要安装（不是小菜一碟），而nanoflann只是一个标题包括）。