KD-tree学习

       所谓kdtree，就是一个k维（k-dimension）的二叉树（binary tree），检索的方法就是在kdtree的某个维度上给予一个阈值，在这个维度上将空间一分为二，这样n次的分割平面就将整个空间分成2的n次方个空间（应该是吧），迭代的分割过程一般用两种方法收敛，每个叶子上的样本个数小于某个值，或是迭代到一个最大迭代值。

      一个比较常见的（canonical method）分割阈值的确定方法，在维度深度的基础上，使维度上轴轴循环通过所以的有效的值，在这些维度上分别选择维度上的值的中值，这样的到的是一个balanced k-d tree，这样所有的节点到超平面的距离是大概差不多的，当然这种方法并不是在所有应用的情况下是适用的。