最近邻检索（NN）和近似最近邻（ANN）检索

1. 最近邻检索（Nearest Neighbor Search）

1.1 概述

最近邻检索就是根据数据的相似性，从数据库中寻找与目标数据最相似的项目。这种相似性通常会被量化到空间上数据之间的距离，可以认为数据在空间中的距离越近，则数据之间的相似性越高。

k最近邻（K-Nearest Neighbor，K-NN）检索：当需要查找离目标数据最近的前k个数据项时。

最近邻检索是线性复杂度的，不能满足对于大规模数据检索的时间性能要求。

1.2 应用领域

1. 起初应用于文档检索系统，最近邻检索作为具有查找相似性文档信息的方法；
2. 随后在地理信息系统中，最近邻检索也被广泛应用于位置信息，空间数据关系的查询、分析与统计；
3. 如今在图像检索、数据压缩、模式识别以及机器学习等领域都有非常重要的作用。
4. 在图像处理与检索的研究中，基于内容的图像检索方法（CBIR）是目前的主流。

这里的“内容”是指：图像中包含的主要对象的几何形状、颜色强度、表面纹理等外在特性，以及前景与后景的对比程度等整体特征。这里的“内容”是指图像中包含的主要对象的几何形状、颜色强度、表面纹理等外在特性，以及前景与后景的对比程度等整体特征。

图像的描述方式：局部特征描述子（SIFT、SURF、BRIEF） ，全局特征描述子（GIST），特征频率直方图，纹理信息，显著性区域等。

最近邻检索的引入将