C++ KNN搜索，增长集，任意范数

假设E3中的以下问题具有任意范数。例如，使用L1范数（汉明、卡尔斯鲁厄、测地线等也适用）

随后，对于i=1:n，我们重复以下步骤：

• 根据给定的范数，在B中找到距离A[i]最近的点

   B * = argmin(|A[i]-B|)
  

• 如果B*-A[i]

对于最近的搜索，我使用std:：partial_排序

   const int k = 1;
   for (int i = 1; i < A.size(); i++) {
       partial_sort(B.begin(), B.begin() + k, B.end(), bind(less<double>(), bind(nL1, _1, A[i]), bind(nL1, _2, A[i])));
       if (nL1(*B.begin(), A[i]) < 1e4) B.push_back(A[i]); //Some threshold, eps=1.0*10^4 
   }
}

const int k=1；
对于（int i=1；i

B在不断增长，搜索成本也越来越高。。。在循环中重复，速度太慢，即使对于小集合（n=1*10^6）。。。在这里，部分排序效率很低

• 速度是否有显著的改善？当然，也可以使用幼稚的方法（但不是更快）
• 如何加速nn搜索

当还需要第二个最近点时，会出现另一个问题

---

由于存在任意范数，因此无法使用当前的k-nn搜索库（该问题可以在球体上解决）。我尝试使用nano-flann，但它不支持某些特定规范…

卡尔斯鲁厄规范是什么？对于测地线，你是说E3中的一些曲面吗？无论如何，你应该仍然能够使用kd树，你只需要能够回答某些问题，比如：这个球（你的标准）包括在这个盒子里吗？卡尔斯鲁厄标准是什么？对于测地线，你是说E3中的一些曲面吗？无论如何，你应该仍然能够使用kd树，你只需要能够回答某些问题，比如：这个球（你的标准）包括在这个盒子里吗？

   B.push_back(A[0]);

 B * = argmin(|A[i]-B|)

   const int k = 1;
   for (int i = 1; i < A.size(); i++) {
       partial_sort(B.begin(), B.begin() + k, B.end(), bind(less<double>(), bind(nL1, _1, A[i]), bind(nL1, _2, A[i])));
       if (nL1(*B.begin(), A[i]) < 1e4) B.push_back(A[i]); //Some threshold, eps=1.0*10^4 
   }
}