quantization product for nearest search

量化乘积方法过程：
1. 将D维向量集进行聚类，生成N个子集，以及每个子集的质心；
2. 将每个子集中的向量，转变为这个向量在这个类中的余量，即$r(y) = y - q_c(y)$，可以理解成在高维空间中，质心坐标到y坐标的向量。
3. 将每个余量，分成m个子余量，对m个组的子余量再进行聚类，每组会得到mk个质心；
4. 最后可以得到一个三层的聚类树，第一层对向量进行聚类，第二层对向量的余量，划分成m组，第三层对每个组进行聚类；
5. 搜索时，先把x划分到第一层的某几个类中，然后计算余量，再分m组，在每组的子类中，参照公式$d'(x, y) = d(x, q(y)) = \sqrt{\sum_j d(~u_j(x), ~q_j(u_j(y))~)~^2}$，计算余量的每组子余量和对应组的每个质心的距离，然后计算每个划分到这个类（第一层）中的y和x距离。

聚类过程用MiniBatchMKMeans可以得到比较好的性能；