我在最近几天搜索了R-Tree的稳定实现，支持无限维度（20左右就足够了）。我只发现了这个http://sourceforge.net/projects/jsi/，但它们只支持2维。
另一个选项是区间树的多维实现。
对于我的问题使用R-Tree或Intervall-Tree的想法，我可能完全错了，所以我简单地说明问题，你可以把你的想法发给我。
我需要解决的问题是某种最近邻搜索。我有一套天线和房间，每个天线有一个整数间隔。例如。天线1，最小-92，最大-85。实际上它可以表示为房间 - ＆gt;天线组 - ＆gt;天线间隔。 这个想法是每个房间在天线的尺寸上跨越R树中的一个盒子，并且在每个维度上跨越间隔。
如果我得到N-Antennas的查询和每个天线的值，那么我可以将信息表示为房间中的查询点并检索“最接近”点的房间。
希望你对问题和想法有所了解。
答案 0 :(得分：3)
我并不完全清楚您的确切问题是什么，但是R树或间隔树在20个维度上不能很好地工作。这不是一个庞大的维度，但它足以让维度的诅咒开始出现。
要明白我的意思，请考虑只是试着看一下盒子的所有邻居，包括角落和边缘的邻居。有20个维度，你将有3个 20 - 1或3,486,784,400个相邻的盒子。 （通过认识到沿着每个轴，邻居可以是-1单位，0单位或+1单位，但是（0,0,0）不是邻居，因为它代表原始框。）
对不起，您要么接受暴力搜索，要么更好地分析问题并提出更明智的解决方案。
答案 1 :(得分：3)
请注意，当您拥有离散数据时，R-Trees会严重降级。您真正需要找到的第一件事是适当的数据表示，然后测试您的查询是否对数据的子集起作用。
R-Trees只会让您的查询更快。如果他们首先不工作，那将无济于事。 您应首先测试您的方法而不使用R-Trees。除非您遇到大量数据（例如，100.000个对象），否则内存中的线性扫描可以轻松胜过R-Tree，特别是当你需要一些适配器层时，因为它与你的代码没有很好地集成。
这里显而易见的方法是使用边界矩形，并对它们进行线性扫描。如果它们有效，则可以将MBR存储在R-Tree中以获得一些性能改进。 但是如果它不能用于线性扫描，它也不适用于R-Tree（它将无法更快地工作。）
答案 2 :(得分：2)
答案 3 :(得分：0)
Java中另一个很好的实现是ELKI：https://elki-project.github.io/。
答案 4 :(得分：0)
您可以使用PostgreSQL的通用搜索树索引工具。