三角剖分（delaunay）拓扑结构 高维近邻

          在高维数据中，如果想要找到高维数据间的近邻，如果仅仅是使用k-nearnest采样点，由于没有考虑高维数据间的拓扑结构，这样得到的近邻是不准确的，尤其是在进行高维数据间的数据预测（线性插值）时。所以我们要得到的近邻必须保持高维数据间的拓扑结构。

        由于在高维空间的拓扑结构是很复杂的，但是在低维数据的拓扑结构是很容易得到的，所以我们可以根据低维数据的拓扑结构得到高维数据的拓扑结构。但是如果二者等价，则必须建立一种相关关系，就是低维数据与高维数据之间有一定的直接联系，就是每一个高位数据对应一个低维数据，一一对应的，假设人眼图像与人眼注视点，由于人眼图像是高维特征，我们想要找到人眼图像的拓扑结构，我们可以根据人眼的注视点坐标得到，因为每个人眼图像对应着一个注视点的坐标（头部静止的情况下），所以我们可以用注视点的坐标之间的拓扑结构表示人眼图像之间的拓扑结构。

      在我们得到注视点坐标之间的拓扑结构后，我们会得到每个三角的地址（就是每个三角形有哪几个点构成的），由于注视点坐标和人眼图像是对应的关系，所以我们亦可以得到人眼图像的拓扑结构。

       下面是怎么求得最近邻，首先我们有一test人眼图像，目的就是找到这个test的最近邻的人眼图像，为得到近邻，我们<