- 1、本文档共30页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
Machine Perception and Interaction Group (MPIG)
;K-D树的构造
K近邻算法
;K-D树; 应用背景; 应用背景;K-d树构建规则;K-d树构建规则;K-d树的数据节点结构;Case:K-d树构建;case;Code:K-d树构建;Case:K-d树构建;Code:K-d树构建;//初始化
kd_root = kd_node_init( features, n ); //n--number of features,initinalize root of tree.
expand_kd_node_subtree( kd_root ); //拓展子叉树
return kd_root;
}
两个函数kd_node_init,expand_kd_node_subtree的初始化及代码分别如下所示:
static?struct?kd_node*?kd_node_init(?struct?feature*?features,?int?n?)??
{?????????
????struct?kd_node*?kd_node;??
??
????kd_node?=?(struct?kd_node*)(malloc(?sizeof(?struct?kd_node?)?));//对节点分配内存??
????memset(?kd_node,?0,?sizeof(?struct?kd_node?)?);//用0填充节点??
????kd_node->ki?=?-1;?//赋为-1
????kd_node->features?=?features;??
????kd_node->n?=?n;??
???
?return?kd_node;??
};static?void?expand_kd_node_subtree(?struct?kd_node*?kd_node?)??
{??
????/*?base?case:?leaf?node?*/??
????if(?kd_node->n?==?1??||??kd_node->n?==?0?)??
????{???//叶节点?????????????//伪叶节点??
????????kd_node->leaf?=?1;??
????????return;??
????}??
??
????assign_part_key(?kd_node?);?//get?ki,kv??
????partition_features(?kd_node?)
?//creat?left?and?right?children,特征点ki位置左树比右树模值小,kv作为分界模值??
????????????????????
????if(?kd_node->kd_left?)??
????????expand_kd_node_subtree(?kd_node->kd_left?);??
????if(?kd_node->kd_right?)??
????????expand_kd_node_subtree(?kd_node->kd_right?);??
}?; K-D树存储特征点的优势; K-D树作用;K-NN最近邻算法;K-NN最近邻查询算法;K-NN特点;K-NN距离度量表示法;K值的选择;K值的选择;code:K-NN;3. //回溯查找
while(search_path != NULL)
back_point = 从search_path取出一个节点指针;
s = back_point -> split; //确定分割方向
If Dist(target[s],back_point -> Node-data[s]) < Max_dist //判断还需进入的子空间
If target[s] <= back_point -> Node-data[s]
Kd_point = back_point -> right;//如果target位于左子空间,就应进入右子空间
else
Kd_point = back_point -> left; //如果target位于右子空间,就应进入左子空间
将Kd_point压入search_path堆栈;
If Dist(nearest,target) > Dist(Kd_Point -> Node-data,target)
文档评论(0)