机器学习 K近邻之KD树 搜索KD树

思想:K近邻搜索

1.寻找“当前最近点”

   寻找最近邻的子节点作为目标的“当前最近点”

2.回溯

   以目标点和“当前最近点”的距离沿树根部进行回溯和迭代

最近邻搜索的具体算法

输入:已构造的kd树,目标点x

输出:x的最近邻

  • 寻找“当前最近点”

       从根结点出发,递归访问kd树,找出包含x的叶结点,

       以此叶结点为“当前最近点”

  • 回溯

       若该节点比"当前最近点"距离目标点更近,更新"当前最近点",

       当前最近点一定存在于该结点一个子结点对应的区域,检查子结点的父结点的另一子结点对应的区域是否有更近的点,

       当回退到根结点时搜索结束,最后的“当前最近点”即为的最近邻点。

例题解说(1)

机器学习 K近邻之KD树 搜索KD树_第1张图片

 

机器学习 K近邻之KD树 搜索KD树_第2张图片

 例题解说(2)

机器学习 K近邻之KD树 搜索KD树_第3张图片

机器学习 K近邻之KD树 搜索KD树_第4张图片机器学习 K近邻之KD树 搜索KD树_第5张图片

参考文献

[1]孙立东,吉孟宇.基于K近邻算法的平面结构变形场实时测量方法[J/OL].应用科技:1-7[2022-12-22].

[2]李航著.统计学习方法.北京:清华大学出版社.

你可能感兴趣的:(机器学习,人工智能)