가장 가까운 이웃 검색을 수행하기 위해 kd-tree을 구현했습니다. 나는 Euclidean distance이 아닌 다른 거리 메트릭으로 놀고 싶어합니다. kd-tree에 대한 나의 이해는 메트릭이 유클리드가 아닌 경우 신속한 kd-tree 검색으로 정확한 검색을 보장 할 수 없다는 것입니다. 즉, 유클리드가 아닌 데이터를 사용하려는 경우 새로운 데이터 구조 및 검색 알고리즘을 구현해야 할 수도 있습니다. 내 검색에 대한 새로운 측정 항목을 제공합니다.임의의 메트릭을 사용하여 KD-Tree를 검색 할 수 있습니까?
- 가 kd-tree를 사용하여 영구적으로 날이 Euclidean distance에 묶어 않습니다
나는이 개 질문이?
- 그렇다면 임의의 다른 알고리즘을 시도해야합니까? metrics? 다른 데이터 구조를 구현할 시간이별로 없지만 다른 구조는 cover trees과 vp-trees입니다. 당신이 링크 된 위키 백과 페이지에 설명 된
대단한 답변입니다. evert metric과 관련된 metric이 있습니까? 다른 측정 항목에 해당하는 모양과 규칙이 일치합니까? –
@James : 규칙은 항상 쿼리 포인트로부터 거리 x에있는 점 집합에 의해 모양이 형성된다는 규칙입니다. 그래서 예. 유클리드 거리가 2D 일 때 이것은 원입니다. 맨해튼 다이아몬드에. 이상한 메트릭의 경우 이는 "인식 가능한"형태가 아닐 수도 있습니다. –