远离点集的查询点的 3D 最近邻
3D Nearest neighbour for query points located far away from set of points
我需要回答很多关于在远离查询点的点集中寻找最近邻居的问题。到目前为止我发现的所有方法在这种情况下都不好用（例如，k-d 树每个查询可能有 O(N)）或者需要使用 Voronoi 图（我有 ~10m 点所以 Voronoi 图太贵了）。
是否有为此类任务设计的已知算法？
这里的问题是距离。你看，当查询距离你的数据集很远时，kd-tree 必须检查很多点，从而减慢查询时间。
你面临的场景一般来说对于最近邻结构来说很难（而且这不是通常的情况），但如果我是你，我会用 Balanced Box-Decomposition trees 试一试，你可以阅读更多关于他们的算法和数据结构。
一些多维索引具有 kNN 查询，可以很容易地适应您的需要，尤其是 k==1 时。
kNN 算法通常必须首先估计近似的最近邻距离，然后他们使用这个距离来执行范围查询。
在 R 树或四叉树中，可以通过找到最接近搜索点的节点来有效地完成此估计。然后他们从最近的节点取一个点，计算到搜索点的距离，然后根据这个距离进行范围查询，通常会加上一些乘数，因为 k>1。
即使搜索点很远，这也应该是合理的效率。
如果您只搜索一个点 (k=1)，那么您可以调整此算法以使用完全基于您找到的最近点的范围查询，无需额外扩展即可获得 k>1 个点。
如果您正在使用 Java，您可以使用我的开源实现 here. There is also a PH-Tree（一种四叉树，但 space 效率更高且加载速度更快），它使用相同的 kNN 方法。
我需要回答很多关于在远离查询点的点集中寻找最近邻居的问题。到目前为止我发现的所有方法在这种情况下都不好用（例如，k-d 树每个查询可能有 O(N)）或者需要使用 Voronoi 图（我有 ~10m 点所以 Voronoi 图太贵了）。
是否有为此类任务设计的已知算法？
这里的问题是距离。你看，当查询距离你的数据集很远时，kd-tree 必须检查很多点，从而减慢查询时间。
你面临的场景一般来说对于最近邻结构来说很难（而且这不是通常的情况），但如果我是你，我会用 Balanced Box-Decomposition trees 试一试，你可以阅读更多关于他们的算法和数据结构。
一些多维索引具有 kNN 查询，可以很容易地适应您的需要，尤其是 k==1 时。 kNN 算法通常必须首先估计近似的最近邻距离，然后他们使用这个距离来执行范围查询。 在 R 树或四叉树中，可以通过找到最接近搜索点的节点来有效地完成此估计。然后他们从最近的节点取一个点，计算到搜索点的距离，然后根据这个距离进行范围查询，通常会加上一些乘数，因为 k>1。 即使搜索点很远，这也应该是合理的效率。
如果您只搜索一个点 (k=1)，那么您可以调整此算法以使用完全基于您找到的最近点的范围查询，无需额外扩展即可获得 k>1 个点。
如果您正在使用 Java，您可以使用我的开源实现 here. There is also a PH-Tree（一种四叉树，但 space 效率更高且加载速度更快），它使用相同的 kNN 方法。