<strike id="ddzbl"><span id="ddzbl"><em id="ddzbl"></em></span></strike>
    <font id="ddzbl"><sub id="ddzbl"><mark id="ddzbl"></mark></sub></font>

      <address id="ddzbl"></address>
      <listing id="ddzbl"></listing>

        <track id="ddzbl"><span id="ddzbl"><progress id="ddzbl"></progress></span></track>

        首頁人工智能技術資訊正文

        kd樹案例:最近領域的搜索和查找點

        更新時間:2022-04-26 來源:黑馬程序員 瀏覽量:

        假設標記為星星的點是 test point, 綠色的點是找到的近似點,在回溯過程中,需要用到一個隊列,存儲需要回溯的點,在判斷其他子節點空間中是否有可能有距離查詢點更近的數據點時,做法是以查詢點為圓心,以當前的最近距離為半徑畫圓,這個圓稱為候選超球(candidate hypersphere),如果圓與回溯點的軸相交,則需要將軸另一邊的節點都放到回溯隊列里面來。

        1650955994550_kd樹案例.png

        樣本集{(2,3),(5,4), (9,6), (4,7), (8,1), (7,2)}。

        查找點(2.1,3.1)

        查找點


        在(7,2)點測試到達(5,4),在(5,4)點測試到達(2,3),然后search_path中的結點為<(7,2),(5,4), (2,3)>,從search_path中取出(2,3)作為當前最佳結點nearest, dist為0.141;

        然后回溯至(5,4),以(2.1,3.1)為圓心,以dist=0.141為半徑畫一個圓,并不和超平面y=4相交,如上圖,所以不必跳到結點(5,4)的右子空間去搜索,因為右子空間中不可能有更近樣本點了。

        于是再回溯至(7,2),同理,以(2.1,3.1)為圓心,以dist=0.141為半徑畫一個圓并不和超平面x=7相交,所以也不用跳到結點(7,2)的右子空間去搜索。

        至此,search_path為空,結束整個搜索,返回nearest(2,3)作為(2.1,3.1)的最近鄰點,最近距離為0.141。




        猜你喜歡:

        OpenCV圖像處理:基礎模塊和高層次模塊

        為什么CNN對像素級別的分類很難?

        人工智能之人臉識別綜合應用與實踐

        SVM的推導,特性?多分類怎么處理?

        黑馬程序員AI人工智能開發師培訓

        分享到:
        在線咨詢 我要報名

        CHINESE熟女老女人HD

          <strike id="ddzbl"><span id="ddzbl"><em id="ddzbl"></em></span></strike>
          <font id="ddzbl"><sub id="ddzbl"><mark id="ddzbl"></mark></sub></font>

            <address id="ddzbl"></address>
            <listing id="ddzbl"></listing>

              <track id="ddzbl"><span id="ddzbl"><progress id="ddzbl"></progress></span></track>