关于knn KD树的搜索最近邻的例子

KD树的建树好理解，但KD树的搜索最近邻有点绕
"对于一个目标点，我们首先在KD树里面找到包含目标点的叶子节点。以目标点为圆心，以目标点到叶子节点样本实例的距离为半径，得到一个超球体，最近邻的点一定在这个超球体内部。然后返回叶子节点的父节点，检查另一个子节点包含的超矩形体是否和超球体相交，如果相交就到这个子节点寻找是否有更加近的近邻,有的话就更新最近邻。如果不相交那就简单了，我们直接返回父节点的父节点，在另一个子树继续搜索最近邻。当回溯到根节点时，算法结束，此时保存的最近邻节点就是最终的最近邻。"

摘自 ： https://www.cnblogs.com/pinard/p/6061661.html

搜索父节点的兄弟结点也好理解，但为什么要一直回溯到根节点? 

来几颗带图的粟子吧：

假设除顶点层外，KD树有三层； 目标点(红色)经过KD树后，落在了如下的第三层(划分依据的轴如 第一/第二/第三 所示)：

场景1: 最理想的情况：
     以目标点为圆心，目标点到叶子节点A的距离为半径的蓝色的圆，
     不与KD树的第三层的另一个超矩形体(最左下浅绿)相交；
     则还要向上搜索 第二层的兄弟结点，此圆不与KD树的第二层的另一个超矩形体(上面中绿)相交
     则还要向上搜索 第一层的兄弟结点，此圆不与KD树的第一层的另一个超矩形体(右边深绿)相交
     到达根节点，搜索完毕，A点就是目标点最近的邻居
     (后面超矩形体就不画了，虽然会用到)

 

场景2：以目标点为圆心，目标点到叶子节点A的距离为半径的蓝色的圆，
     与KD树的第三层的另一个超矩形体相交
     在此超矩形体里找到了更近的节点B，则把离目标点最近的点 从A更新为B
     以目标点为圆心，目标点到叶子节点B的距离为半径的圆(这里没画了，读者应该能看出来)，
     不与KD树的第二层的另一个超矩形体相交
     再向上搜索，不与KD树的第一层的另一个超矩形体相交
     到达根节点，搜索完毕，B点就是目标点最近的邻居

 

场景3：以目标点为圆心，目标点到叶子节点A的距离为半径的蓝色的圆，
     与KD树的第三层的另一个超矩形体相交，在此超矩形体里没有找到更近的节点
     则还要向上搜索 第二层的兄弟结点，找到了更近的节点B，则把离目标点最近的点 从A更新为B
     以目标点为圆心，目标点到叶子节点B的距离为半径的圆(这里没画了，读者应该能看出来)，
     再向上搜索，不与KD树的第一层的另一个超矩形体相交
     到达根节点，搜索完毕，B点就是目标点最近的邻居

 

 

 

 

场景4：以目标点为圆心，目标点到叶子节点A的距离为半径的蓝色的圆，
     不与KD树的第三层的另一个超矩形体相交，
     则还要向上搜索 第二层的兄弟结点，此圆不与KD树的第二层的另一个超矩形体相交
     则还要向上搜索 第一层的兄弟结点，找到了更近的节点B，则把离目标点最近的点 从A更新为B
     此时已达到根节点。搜索完毕，B点就是目标点最近的邻居