Algorithm 查找最近的向量

我们有一个维度大于2的向量列表（维度可以是10、32、64或15）和一个任意向量作为输入

需要从向量列表中找到最接近输入向量的向量

（例如：10000和10001是闭合向量，但10111和10000不是闭合向量），但没有完整通过列表。我知道几种最近邻搜索算法，它们允许我们找到最近的相似元素：kd树、Voronoi图，但它们的目标是在平面或三维空间中找到元素

---

是否有任何算法可以找到维度大于2的最近向量？

几乎所有支持多维数据的索引结构

例如，和非常适合低维数据（d<5-10）。当维度数量增加时，您会遇到索引结构退化（它们的选择性降低）

除了20维（这只是一个经验法则，高度依赖于数据分布）之外，这些传统的索引结构与对数据的完全扫描相比没有任何好处。那你也可以

• 尝试优化此扫描（例如，在距离计算或
• 使用近似近邻方法（例如），该方法速度快，但不能保证返回最近邻（但通常是近邻）