两组高维点：在另一组中找到最近邻
Posted
技术标签:
【中文标题】两组高维点：在另一组中找到最近邻【英文标题】：Two sets of high dimensional points: Find the nearest neighbour in the other set 【发布时间】：2014-12-25 20:11:27 【问题描述】：我有 2 个集合：A 和 B。这两个集合包含相同数量的高维点。如何为 Set B 中的每个点找到 Set A 中最近的邻居？
我考虑过使用 Voronoi 图，但似乎（根据***）它不适合大于 2 的尺寸。
有人可以给我建议一个方法吗？
【问题讨论】：
可能太宽泛了。在信息检索世界中有大量的算法和数据结构。你可以开始看en.wikipedia.org/wiki/Spatial_database#Spatial_index 【参考方案1】：FLANN
如果您的数据确实位于高维空间中，那么您可以使用FLANN。
它实际上构建了许多旋转的 kd-trees 并查询（一点）每棵树，以保持找到的最佳结果。它还会旋转数据集以避免出现令人讨厌的情况。
在出版物部分，您可以详细了解它的工作原理。
在获取 FLANN 部分，您还可以阅读手册。
但是，由于您希望在高维空间中执行最近邻搜索 (NNS)，因此您需要接受时间和准确度之间的权衡（时间越长，准确度越高）。这就是 FLANN 执行近似 NNS 的原因（查看this 答案了解更多信息）。
LSH
作为替代方案，我建议使用 LSH 算法。这里是E²LSH，实际上实现了LSH算法。手册可以在here找到。
算法背后的想法是，我们希望将彼此靠近的点（以高概率）放置在同一个桶中。然而，LSH致力于解决R最近邻问题。
通过R-近邻数据结构，作者大概意思是给定一个查询点q，我们可以回答这个问题：“数据集的哪些点位于q的半径R内？”。
但是，该手册解释了如何使用 LSH 执行 NN 搜索。
请注意，此类问题不适用于本网站。我回答你是因为你是新用户。下次确保你不要忘记这一点。 :)
【讨论】：
以上是关于两组高维点：在另一组中找到最近邻的主要内容，如果未能解决你的问题，请参考以下文章