数据结构之KD树.pptxVIP

KD 树算法;KD树的应用背景 什么是KD树 KD树的基本操作 KD树的构建 KD树的插入 KD树的删除 KD树的查找 KD树的应用 总结;SIFT算法中做特征点匹配的时候就会利用到k-d树。而特征点匹配实际上就是一个通过距离函数在高维矢量之间进行相似性检索的问题。针对如何快速而准确地找到查询点的近邻，现在提出了很多高维空间索引结构和近似查询的算法，k-d树就是其中一种。 ;KD树的应用背景 什么是KD树 KD树的基本操作 KD树的构建 KD树的插入 KD树的删除 KD树的查找 KD树的应用 总结;Kd-树是对数据点在k维空间（如二维(x，y)，三维(x，y，z)，k维(x1，y，z..)）中划分的一种数据结构，主要应用于多维空间关键数据的搜索（如：范围搜索和最近邻搜索）。本质上说，Kd-树就是一种平衡二叉树。 ;特点： 它是k维二叉查找树 每个节点表示k维空间的一个点 树的每一层都 根据这层的分辨器做出分支决策。 第i层的分辨器定义为 i mod k ;;KD树的应用背景 什么是KD树 KD树的基本操作 KD树的构建 KD树的插入 KD树的删除 KD树的查找 KD树的应用 总结;Step 1:确定split域为x，y ?。具体是：数据点在x，y维度上的数据方差值，那一维更大split域值就为什么； Step 2:确定Node-data 。具体是：根据split域上的值将数据排序，将其中的中值确定为Node-data。这样该节点的分割超平面就是通过该点并垂直于split域的直线； Step 3:确定左子空间和右子空间。具体是：分割超平面整个空间分为两部分，以中值划分； 如上算法所述，kd树的构建是一个递归过程，我们对左子空间和右子空间内的数据重复根节点的过程就可以得到一级子节点同时将空间和数据集进一步细分，如此往复直到空间中只包含一个数据点。 ;假设有6个二维数据点{(2,3)，(5,4)，(9,6)，(4,7)，(8,1)，(7,2)}，数据点位于二维空间内，如下图所示。;KD树的应用背景 什么是KD树 KD树的基本操作 KD树的构建 KD树的插入 KD树的删除 KD树的查找 KD树的应用 总结;元素插入到一个K-D树的方法和二叉检索树类似。本质上，在相应的层比较根节点的分辨器所对应的维的值，当我们到达了树的底部，（也就是当一个空指针出 现），我们也就找到了结点将要插入的位置。生成的K-D树的形状依赖于结点插入时的顺序。给定N个点，其中一个结点插入和检索的平均代价是 O(log2N)。 ;具体步骤： 若k-d 树为空，则插入的结点为新的根节点， 否则比较插入结点与根节点的分辨器所对应的维的值 1）等于 若插入结点其余维上的值均与根节点对应的维的值相等，则 表明表该结点已存在。 否则，则将该节点递归的插入到右子树中。 2）小于，则将该结点递归的插入到左子树中。 3）大于，则将该节点递归的插入到右子树中。 ;KD树的应用背景 什么是KD树 KD树的基本操作 KD树的构建 KD树的插入 KD树的删除 KD树的查找 KD树的应用 总结; (1)如果所删除节点为叶子节点，直接删除 (2)否则 ;;;;KD树的应用背景 什么是KD树 KD树的基本操作 KD树的构建 KD树的插入 KD树的删除 KD树的查找 KD树的应用 总结; ; ; ;23; ; ;KD树的应用背景 什么是KD树 KD树的基本操作 KD树的构建 KD树的插入 KD树的删除 KD树的查找 KD树的应用 总结;;KD树的应用背景 什么是KD树 KD树的基本操作 KD树的构建 KD树的插入 KD树的删除 KD树的查找 KD树的应用 总结;优点： Kd树适用于多维空间关键数据的搜索。如最近邻搜索和范围搜索。 ;缺点： 1）在最近邻搜索中，由于有大量的回溯，效率较低。 2）删除操作比较复杂，代价较高。 3）应用不太广泛 ;谢谢！