Kd-Tree算法原理

Kd-Tree算法原理:

http://baike.baidu.com/link?url=Fk2aYUNNDNCrL2FqwSkgZA9YJN9QBpyhP9YteLDEzcq5wL0ztbGYyWmqyQ6fSi-vCyYb9L7hoAQ17lwUM0jK-_


http://blog.sina.com.cn/s/blog_6f611c300101bysf.html

总结：
Kd-tree在维度较小时（例如：K≤30），算法的查找效率很高，然而当Kd-tree用于对高维数据（例如：K≥100）进行索引和查找时，就面临着维数灾难（curse of dimension）问题，查找效率会随着维度的增加而迅速下降。通常，实际应用中，我们常常处理的数据都具有高维的特点，例如在图像检索和识别中，每张图像通常用一个几百维的向量来表示，每个特征点的局部特征用一个高维向量来表征（例如：128维的SIFT特征）。