近似最近邻时间复杂度
approximate nearest neighbors time complexity
我正在阅读这篇论文Product quantization for nearest neighbor search。
在第 5 页 table II 的最后一行
the complexity
given in this table for searching the k smallest elements
is the average complexity for n >> k and when the
elements are arbitrarily ordered
也就是 n+klogkloglogn.
我想我们可以使用线性选择算法得到未排序的k个近邻O(n)，然后对k个近邻进行排序O(klogk)，这样我们总共可以有O(n+klogk) .但是 loglogn 术语从何而来？
文中为此参考了TAOCP的书，但我手头没有这本书，谁能帮我解释一下？
首先，Table II 报告每个步骤的复杂性，因此您必须添加所有项来衡量 ADC 的复杂性。
table的最后一行是SDC和ADC的单一复杂度，即：
n + k log k log log n
该术语对应于我们用来在一组 n 个变量中找到 k 个最小值的选择算法的平均算法成本，我们从 Donald Knuth 的书 [25] 中得到了 copy/pasted。
我手上没有这本书，无法查看，但听起来不错。
来自作者
我正在阅读这篇论文Product quantization for nearest neighbor search。
在第 5 页 table II 的最后一行
the complexity given in this table for searching the k smallest elements is the average complexity for n >> k and when the elements are arbitrarily ordered
也就是 n+klogkloglogn.
我想我们可以使用线性选择算法得到未排序的k个近邻O(n)，然后对k个近邻进行排序O(klogk)，这样我们总共可以有O(n+klogk) .但是 loglogn 术语从何而来？
文中为此参考了TAOCP的书，但我手头没有这本书，谁能帮我解释一下？
首先，Table II 报告每个步骤的复杂性，因此您必须添加所有项来衡量 ADC 的复杂性。
table的最后一行是SDC和ADC的单一复杂度，即：
n + k log k log log n
该术语对应于我们用来在一组 n 个变量中找到 k 个最小值的选择算法的平均算法成本，我们从 Donald Knuth 的书 [25] 中得到了 copy/pasted。
我手上没有这本书，无法查看，但听起来不错。
来自作者