针对聚簇点集的近似最近邻搜索分析
计算几何
2007-05-23 v1
摘要
我们给出了针对近似最近邻搜索数据结构的经验性分析。我们将广为人知的优化 kd-tree 分割方法与两种替代分割方法进行比较。第一种称为滑移中点法，试图兼顾生成具有有界长宽比的细分单元，同时不产生任何空单元。第二种称为最小歧义法，是一种基于查询的方法。除数据点外，它还给定一组训练用查询点用于预处理。它采用简单贪心算法选择分割平面，以最小化训练点在最近邻选择上的平均歧义量。我们提供了经验性分析，将这两种方法与优化 kd-tree 构建在若干合成生成的数据与查询集上进行比较。我们证明，对于聚簇的数据与查询集，这些算法相较标准 kd-tree 构建在近似最近邻搜索上可带来显著改进。
引用
@article{arxiv.cs/9901013,
title = {Analysis of approximate nearest neighbor searching with clustered point sets},
author = {Songrit Maneewongvatana and David M. Mount},
journal= {arXiv preprint arXiv:cs/9901013},
year = {2007}
}
备注
20 pages, 8 figures. Presented at ALENEX '99, Baltimore, MD, Jan 15-16, 1999