我们有一个向量列表，这些向量的尺寸大于2（维度可以是10、32、64或15），并且任意向量作为输入。
需要从向量列表中找到最接近输入向量的
（例如：10000和10001是闭合向量，但是10111和10000不是闭合向量），但是没有完全通过列表。我知道有几种最邻近搜索算法，可以让我们找到最相似的元素：kd-trees，Voronoi图，但它们的目的是在平面或3维空间中找到元素。
有没有算法可以找到最接近的矢量，其维数大于2？
答案 0 :(得分：0)
nearest-neighbour search的几乎所有索引结构都支持多维数据。
例如KD-Trees和R-Trees非常适合于低维数据（d <5-10）。当维数增加时，您会遇到curse of dimensionality，并且大多数索引结构会退化（它们的选择性降低）。
除了20个维度（这只是经验法则和高度依赖数据分布）之外，这些传统索引结构没有对数据进行全面扫描带来任何好处。然后，您可以