又是乙個不需要證明的東西，複雜度基本玄學。
具體來說 k-d tree 是解決高維問題的乙個資料結構（其實一般是二維）。
k-d tree 本質上是一棵二叉搜尋樹，其的基本思想就是遍歷整個狀態空間加剪枝。
設問題維度是k，其單次查詢的複雜度大概是 \(o(n^})\)。
我們一般採用每次隨機找乙個維度，以這個維度排序，且以這個維度的中位數為根的方法。
這種方法基本上不會被卡。
一般來說我們維度的選擇就是從 1-k 反覆迴圈進行的。
這個就具體問題具體分析了，說幾個經典問題吧。
找距離乙個座標最遠的點。
這個比較簡單，維護每顆子樹裡每一維最大和最小的值，然後一一配對取最大值就可以了。
這個就比較妙了。
我們依舊維護每顆子樹裡每一維最大和最小的值;
然後對於每一維我們找到理想狀態下距離最近的點，加入答案中。
其實本質上是 a*。
算了，給個**實現吧。
int getmin(int rt, int x, int y, int res = 0)
return res;
}
這個我們可以開個小根堆，初始時堆裡有 k 個元素。
查詢時每次替換最小的那個就可以了。
主要利用的是替罪羊的思想。
插入的話我們直接向平衡樹那樣插入就可以了。
維護平衡因子，適時推翻重建以維護平衡。
（暫時沒有寫過）
KD tree學習筆記
如上圖 a 我們先對待識別的物體的影象進行sift特徵點的檢測和特徵點的描述，然後得到了sift特徵點集合。接下來生成物體目標描述要做的就是對特徵點集合進行資料組織，形成一種特殊的表示，其作用是為了加速特徵點匹配的過程。所謂的特徵點匹配本質上是乙個通過距離函式 例如歐式距離 在高維向量之間進行相似性...
學習筆記 kd tree
kd tree用來維護n維空間中的點的一種資料結構。支援插入 刪除 查詢k臨近 包括最遠點對和最近點對 kd tree本質是一顆二叉樹。每一層選擇乙個維度，找到當前維度的中點 讓樹盡量平衡 經過這個點，在當前維度切割，分成左右兩個子樹。通常維度的選擇是順次迴圈的，較易實現。更優的方法是找到方差最大的...
KD Tree學習筆記
kdtree是一種用於分割k維資料空間的資料結構，主要應用於多維空間關鍵資料的搜尋。例如 範圍搜尋和最近鄰搜尋 kdtree的每個節點表示k維空間的乙個點 每次空間劃分按照輪轉法劃分，即如果這次選擇了在第i維上劃分，則下一次就在 i 1 k上劃分 int id,n,k,c struct p p ma...