我读到了this有关寻找三维点最近邻的问题。Octree是这种情况下的解决方案。
kd-Tree是小空间(一般少于50个维度)的解决方案。
对于更高维度(数百个维度和数百万个点的向量),LSH是解决AKNN(近似K-NN)问题的流行解决方案,正如this question所指出的。
然而,LSH在K>>1的K-NN解决方案中很受欢迎。例如,在基于内容的图像检索(CBIR)应用中,LSH已经成功地使用,其中每个图像都通过数百个维度的向量表示,数据集包含数百万(或数十亿)张图像。在这种情况下,K是相对于查询图像最相似的前K个图像的数量。
但是如果我们只对高维空间中最接近的邻居(即A1-NN)感兴趣,LSH仍然是最好的选择吗?还是已经提出了特定的解决方案?