文本教程树近邻.pptxVIP

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）