kd-tree搜索优化（新，原创，未验证）

具体说明

还是用这个例子：

若X=(2.1,3.1)，空间划分为：

上图黄色区域是无需搜索区域，则排除它，过程如下，（因有公式，不想再在博客上打一遍，mathtype上截的图）

K近邻说明

都说K近邻简单，其实，k近邻相当复杂，
1》简单的计算距离，距离近的k个点，很简单，结果数据量大计算慢，而且每次都要循环多次，浪费计算机资源；

2》构建KD tree，树状搜索节点比遍历快，数据结构上改变速度， 结果维度大了，树的结构太复杂，速度又慢下来了；

3》KDtree有了，怎么提升查找速度，找到所属类子节点，回溯到足够精度位置，结果回溯到什么地方，不知道。那个kdtree空间图对应树状结构中看是否在所属叶节点附近几个子节点，实话告诉你，最左边的最近邻有可能在最右边。换句话说，你有可能回到2》步骤效果，尽管这概率比较小，被剪切了。

4》于是有了这篇文章，自己想出来的，如有雷同纯属巧合，可以过滤一些搜索范围，加快搜索速度，也提升了精度。

另外：kdtree BBF,balltree之类还有很多方法，不知是否有重合。代码，暂时没有时间写。