タグ付けされた質問 「near-neighbors」

4
約実行のコスト。スキップ四分木における最近傍探索
注:質問は私の答えに修正再表示されている:我々は最低兄弟先祖を見つけることができる今と仮定すると、時間、ANNは本当にして行うことができるO (ログN )?O(1)O(1)O(1)O(logn)O(log⁡n)O(\log n) 四分木は効率的な空間インデックスです。[2]で説明されているように、圧縮四分木構造での最近傍探索の実装に関するパズルがあります。(詳細については説明しませんが、検索はいわゆる等距離の四角形に沿ってトップダウンで行われ、等距離パスのテールノードで終わります。添付画像では、これは点で満たされた南東のノードのいずれかである可能性があります。) それらのアルゴリズムが機能するためには、各ノード(少なくとも2つの空でない象限がある正方形)の4つの方向(北、西、南)のそれぞれの最下位(階層内で最も近い)の祖先ノードのポインターを維持する必要があります、東)。これらは、ノードの西向きの祖先の緑色の矢印で示されます(矢印は祖先の正方形の中心を指しています)。 この論文では、これらのポインタはポイントの挿入と削除中にO(1)で更新できると主張しています。ただし、緑のポイントの挿入を見ると、任意の数のポインター(この場合は6つ)を更新する必要があるようです。 私はこのポインタの更新を一定の時間で行うトリックを望んでいます。たぶん、悪用される可能性のある間接の形式があるのでしょうか? 編集: 論文の関連セクションは6.3で、「パスに曲がりがある場合、の最下位の祖先に加えて、方向ごとに最下位のルートも考慮する必要があります。その方向に向かう祖先[...] 各方向の最も近い祖先を指す各正方形に追加のポインターを関連付ける場合、からこれらの正方形を見つけることは、正方形あたり時間で実行できます。これらのポインタは、点の挿入または削除中に時間で更新することもできます。 "log(c/ε)log(c/ε)log(c/ε)qqq2d2d2^dqqqqqqO(1)O(1)O(1)2d2d2^dQ0Q0Q_0O(1)O(1)O(1) [2]:Eppstein、D。とGoodrich、MTとSun、JZ、「スキップ四分木:多次元データ用の単純な動的データ構造」、計算幾何学に関する第21回年次シンポジウムの議事録、pp。296—305 、2005年。

2
セット内のすべてのポイントのk番目の最近傍までの距離を計算する
機械学習アプリケーションの場合、私のグループは、各(が5から約100の間について、セットの番目の最近傍へのユークリッド距離を計算する必要があります、および数百から数百万まで)。我々は現在、いずれかのブルートフォース使用しているアプローチまたは上のkdツリーとの明白な、あり、高いと比較的低いです勝つことはありません。(すべてがメモリ内にあります。)kkkバツXXx ∈ (X∪ Y)⊂ Rdx∈(X∪Y)⊂Rdx \in (X \cup Y) \subset \mathbb R^dddd| バツ| ≈ | Y||X|≈|Y||X| \approx |Y|O (d| バツ| | バツ∪ Y| )O(d|X||X∪Y|)O(d \lvert X \rvert \lvert X \cup Y \rvert)バツXXddd|バツ||X||X| ただし、ブルートフォースよりも優れた方法があるはずです。少なくとも、三角形の不等式を利用する方法、または局所性に敏感なハッシュを使用する方法があります。適度にタイトな近似も可能です。 私が見つけることができた研究は、単一の最近傍(またはほぼ最近傍のもの)を見つける問題に焦点を当てているようです。私が探している問題は別の名前でわかりますか、または私が考えていなかった関連する問題への関連はありますか?

1
病理学的データの動的平面の正確なk最近傍
2次元ユークリッド空間の点のセットに対して以下の操作を提供するデータ構造の最もよく知られている結果は何ですか? insert(x)insert(x)insert(x) delete(x)delete(x)delete(x) nearest(k,x)nearest(k,x)nearest(k,x)(は0より大きい整数)は、セット内の最も近い点を返します。kkkkkkxxx この特定のケースでは、近似最近傍、モンテカルロアルゴリズム、またはデータが何らかの形で整形式であることを前提とするアルゴリズムには特に興味がありません。 私はラスベガスのアルゴリズム、ポイントの座標がビットであると仮定するアルゴリズム、または依存する実行時間のあるアルゴリズムに対して偏見はありません。O(lgn)O(lg⁡n)O(\lg n)kkk
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.