使用matlab建立Kd-tree并进行k-NN查询

原创

已于 2022-04-21 15:16:49 修改 · 6.1k 阅读

70 ·

CC 4.0 BY-SA版权

文章标签：

#matlab #数据结构 #算法

于 2020-07-24 15:57:29 首次发布

本文介绍了一种使用Matlab实现Kd-tree构建和k-NN查询的方法。通过计算数据集的方差来选择分割维度，递归地构建Kd-tree，并实现了k-NN查询算法，用于寻找与给定点最近的k个邻居。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章中关于搜索算法的实现部分貌似有些问题，后面有一篇文章重新写了一遍关于kd-tree的内容，欢迎参阅，这篇文章的错误目前没有修正。

使用matlab对输入数据建立Kd-tree并通过Kd-tree进行k-NN查询。
k-NN查询的主要算法思路来自【量化课堂】kd 树算法之详细篇

在这里插入图片描述

clear;
close all;
clc;
% 生成数据
data = [2 3;
    5 4;
    9 6;
    4 7;
    8 1;
    7 2];
% 给数据标号
for i = 1: size(data,1)
    data(i,3) = i;
end
% 建立Kd树
Kd_tree = Kd_tree_create(data);
% 利用Kd树进行kNN查询
closest = Kd_tree_search_knn(Kd_tree, [6,3.1], 2);

%% 使用data建立Kd树
function [tree] = Kd_tree_create(data)
% 生成Kd树，每次分割以方差最大的维度进行分割
[num, dimension] = size(data);
dimension = dimension - 1;
for i = 1: dimension
    data_var(i) = var(data(:,i));
end
[~, choose_dim] = max(data_var);
data = sortrows(data, choose_dim);
tree.id = data(round(num/2),end);
tree.node = data(round(num/2),1:end-1);
tree.dim = choose_dim;
tree.pa