ANN(Approximate Nearest Neighbor) 库的安装

皮蛋瘦肉熬不成粥

已于 2024-09-09 10:50:57 修改

阅读量263

点赞数 5

文章标签： c语言算法

于 2024-09-05 10:54:24 首次发布

本文链接：https://blog.csdn.net/MTALAB/article/details/141924824

版权

ANN(Approximate Nearest Neighbor) 库的安装

1、ANN介绍

ANN 是一个用 C++ 编写的库，它支持任意高维度的精确和近似最近邻搜索的数据结构和算法。

在最近邻问题中，给出了 d 维空间中的一组数据点。这些点被预处理成数据结构，以便给定任何查询点q，可以有效地查找P到q的最近的或一般k个最近的点。两点之间的距离可以通过多种方式定义。 ANN 假设距离是使用任何一类称为 Minkowski 度量的距离函数来测量的。其中包括众所周知的欧几里得距离、曼哈顿距离和最大距离。
该库基于 kd 树和框分解树实现了许多不同的数据结构，并采用了几种不同的搜索策略。
该库还附带了用于测量 ANN 在任何特定数据集上的性能质量的测试程序，以及用于可视化几何数据结构的程序。

2、下载

下载Release版本的需要自己在VS中编译。编译需要特定的工具支撑，容易出错。建议下载含有头文件和dll和lib文件的版本，解压后便可直接使用。解压后如下：
下载解压后内容
ANN文件夹

3、安装

ANN中的.h文件需要放到VS中

在这里插入图片描述

lib文件添加

我下载了ANN的需要编译的版本，将lib拷贝到了对应的lib文件夹下**
在这里插入图片描述

dll文件添加
在计算机的环境变量中添加dll所在的路径bin，关闭之后重启VS即可

在这里插入图片描述

在系统变量的Path中也添加了该bin文件(不知道是否真的需要)

测试代码

#include <ANN.h>  // 包含 ANN 库头文件
#include <iostream>
#include <random>  // 用于生成随机数
#include <fstream> // 用于文件操作
#include <chrono>

int main() {
    const int nPoints = 2700; // 数据点数量
    const int dim = 1;  // 数据的维度（一维）
    const int k = 300;  // 需要查找的最近邻数量

    // 创建数据点数组
    ANNpointArray dataPts = annAllocPts(nPoints, dim);

    // 使用随机数生成器生成随机数据点
    std::random_device rd;
    std::mt19937 gen(rd());
    std::uniform_real_distribution<> dis(0.0, 1.0);

    for (int i = 0; i < nPoints; ++i) {
        dataPts[i][0] = dis(gen);  // 生成 [0.0, 1.0) 区间的随机浮点数
    }

    // 存储最近邻结果
    ANNidxArray nnIdx = new ANNidx[k];  // 最近邻的索引
    ANNdistArray dists = new ANNdist[k];  // 最近邻的距离

    // 构建 KD-Tree
    ANNkd_tree* kdTree = new ANNkd_tree(dataPts, nPoints, dim);

    // 打开文件以写入
    std::ofstream outputFile("results.txt");

    // 查询每个点的 300 个最近邻点并将结果写入文件
    auto start = std::chrono::steady_clock::now();
    for (int i = 0; i < nPoints; ++i) {
        kdTree->annkSearch(dataPts[i], k, nnIdx, dists, 0.0);

        // 输出当前点的最近邻结果到文件
        outputFile << "Point " << i << " (Value: " << dataPts[i][0] << ") Nearest neighbors:\n";
        for (int j = 0; j < k; ++j) {
            outputFile << "\tNeighbor " << j << ": Index: " << nnIdx[j]
                << ", Value: " << dataPts[nnIdx[j]][0]
                << ", Distance: " << sqrt(dists[j]) << "\n";
        }
        outputFile << "\n";
    }

    auto end = std::chrono::steady_clock::now();

    // 计算持续时间（以毫秒为单位）
    std::chrono::duration<double, std::milli> duration = end - start;
    std::cout << "Duration: " << duration.count() << " ms" << std::endl;

    // 关闭文件
    outputFile.close();

    // 释放内存
    delete[] nnIdx;
    delete[] dists;
    delete kdTree;
    annDeallocPts(dataPts);
    annClose();  // 释放 ANN 内存

    return 0;
}