kd tree最近邻搜索算法深度解析

李航统计学习方法（第二版）（六）：k近邻算法实现（kd tree方法）中，对kd树进行了介绍，包括，kd树的简介、kd树的建立以及kd树的搜索。在看到李航老师书中对kd树搜索算法的描述后，其中对于递归回退的操作描述不是很理解，觉得太抽象了（很可能是我自己的理解能力的问题）。对比多个源码（各个源码都还有我觉得有问题的地方，有时间我会在各博主博客下面留言，主要有：1.c++实现kdTree创建以及最近邻点查找，2. KDTree的C++实现），最后靠蛮力弄明白kdtree最近邻搜索的算法，特此记录一下。

一、kd树最近邻搜索算法

李航老师《统计学习方法（第二版）》中的kdtree最近邻搜索算法引出如下：

其中，算法最核心的部分是(3.a)与(3.b)这两句。我比较难以想象的是(3.b)中:

如果相交，可能在另一个子结点对应的区域内存在距目标点更近的点，移动到另一个子结点。接着，递归地进行最近邻搜索;

如何移动到另一个子结点？然后又如何递归地进行最近邻搜索？

网上找了很多博客，大部分都是学舌似的话，根本没有提供比书中这段话更多的信息。很多博客中给的例子，点到为止，一个简单的例子根本不会触发什么[移动到另一个子结点。接着，递归地进行最近邻搜索]好么！

于是寄希望于看别人实现的源码来弄清楚整个算法，因为源码必定是细节的。CSDN博主nnzzll的实现就很简洁清晰，github|nnzzll/NaiveKDTree。我借着他的代码一步一步在脑中虚拟的运行着一棵kdtree，终于知道[移动到另一个子结点。接着，递归地进行最近邻搜索]的意思了。虽然，nnzzll的代码也存在问题，我在他那篇博客下也留言了，希望之后与之有更多的交流。

不废话，下面开始用图与例子对这个过程进行说明。

二、一个二维kdtree的例子

假定我们有一个二维数据集$[(2,3),(5,4),(9,6),(4,7),(8,1),(7,2)]$， 我们按照如下所示的kdtree构建算法，可以得到一棵kdtree。（注：如何构建kdtree不是本文的重点，所以不多赘述）

由二维数据集$[(2,3),(5,4),(9,6),(4,7),(8,1),(7,2)]$构建的kdtree如下图：

该kdtree表示成空间形式如下图所示：

三、kdtree最近邻搜索步骤图示

假定给定目标数据点$(6,6)$，我们基于上面构建的kdtree树，来说明如何搜索得到离$(6,6)$最近的数据点。

step 1：李航书中最近邻搜索算法第一步：

按以上步骤，从kdtree根节点$(7,2)$开始向下搜索，路径为$(7,2),(5,4),(4,7)$，其中，$(4,7)$为叶子节点。我们将该步骤中经过的节点压入待比较节点队列(该队列为先进后出队列）。下图左边显示的是经过step1后的待比较节点队列，根节点$(7,2)$在栈底部，叶子节点$(4,7)$在栈顶部；下图右边显示的经过step1经过的节点（红色显示）。

step 2:初始化当前最近距离与最近节点

李航书中最近邻搜索算法第二步：以此叶结点为“当前最近点”

以step 1中的，也即待比较节点队列的栈顶节点$(4,7)$来初始化与目标点$(6,6)$当前最近节点与当前最近距离。

通过计算$(6,6)$与$(4,7)$的距离，可得当前最近距离$d_{min}=2.23$，当前最近节点为$(4,7)$。

step 3:持续地从待比较节点队列中压出栈顶节点，执行李航老师书上的第三步中的(a)与(b)：

3.1: 取出栈顶节点为$(4,7)$，并执行下列操作：

--------------------kd树搜索算法（3.a）--------------------------

执行算法(3.a)：如果该节点保存的实例点比当前最近点距离目标点更近，则以该实例点为当前最近节点。

计算目标点$(6,6)$与$(4,7)$的欧式距离为2.23,不比当前最近距离2.23要小，所以不会导致当前最近节点与当前最近距离的更新。

--------------------kd树搜索算法（3.b）--------------------------

执行算法(3.b)：检测该节点的兄弟节点（更一般的说法是兄弟子kdtree）（该节点父节点的另一个子树）有没有可能包含最近节点。具体地，检查兄弟结点对应的区域是否以目标点为球心、以目标点与当前最近节点间的距离为半径的超球体相交。如果相交，可能在另一个子节点对应的区域内存在距目标点更近的点，移动到另一个子节点。接着，递归地进行最近邻搜索。

我们得出如下图的圆与父节点$(5,4)$用来划分左子树与右子树的维度为$y$，也即$y=4$有相交，说明节点$(5,4)$的另一子树区域（左子树）可能存在离目标点$(6,6)$更近的节点。当前访问节点为$(4,7)$，在其父节点的右边，所以递归地对其父节点$(5,4)$的左子树区域进行最近邻搜索。

移动到另一个子节点。接着，递归地进行最近邻搜索

经过kd树搜索算法（3.b），我们知道节点$(5,4)$左子树可能存在最近节点，因此要对该子树进行最近邻搜索。在程序实现上有两种方式：

1）将整个最近邻搜索写成可递归的函数findNearestPoint(kdtree, pt);
2) 用堆栈队列实现。

用第一种方式，我们只需要在findNearestPoint(kdtree, pt)中从叶子节点循着父节点往上，一直到根节点进行访问，中途若出现某个访问节点的兄弟子树可能存在最近节点（根据kd树搜索算法（3.b）可判断），则用兄弟子kdtree（假定为brother_kdtree）调用findNearestPoint(brother_kdtree, pt)，构成一个嵌套调用。代码比较美观。

用第二种方式的优点是比较直观。用一个先入后出的队列来存储待比较节点队列，在原理上是和第一种嵌套调用方式是一样的。本文为了更直观，所以采用第二种方式。

按照step 1中的，最近邻搜索算法中如下所示的第一步，对子树进行遍历，至到叶子节点。

由于，节点$(4,7)$的兄弟子树只有一个节点$(2,3)$，它的根节点也是叶子节点。因此，访问节点路径中只有一个节点$(2,3)$，将其加入待比较节点队列：

3.2: 取出栈顶节点为$(2,3)$，并执行下列操作：

--------------------kd树搜索算法（3.a）--------------------------

计算目标点$(6,6)$与$(2,3)$的欧式距离为5.0,不比当前最近距离2.23要小，所以不会导致当前最近节点与当前最近距离的更新。

--------------------kd树搜索算法（3.b）--------------------------

由于节点$(2,3)$的兄弟节点$(4,7)$（或者说是以$(4,7)$为根结点的子kd树）已经被访问，所以跳过该步骤。

3.3: 取出栈顶节点为$(5,4)$，并执行下列操作：

--------------------kd树搜索算法（3.a）--------------------------

计算目标点$(6,6)$与$(5,4)$的欧式距离为2.23,不比当前最近距离2.23要小，所以不会导致当前最近节点与当前最近距离的更新。

--------------------kd树搜索算法（3.b）--------------------------

节点$(5,4)$的父节点$(7,2)$的右子树(以节点$(9,6)$为根节点)是其兄弟子树，如下图可知，以$(6,6)$为圆心，以2.23为半径的圆与$x=7$（$(7,2)$的划分维度为$x$）相交，可知节点$(5,4)$的兄弟子树(以节点$(9,6)$为根节点)可能存在最近节点。

移动到另一个子节点。接着，递归地进行最近邻搜索

节点$(5,4)$的兄弟子树是以节点$(9,6)$为根节点，并且根节点只有一个左叶子节点$(8,1)$。

以目标点$(6,6)$为输入，对该子树进行正向搜索，找到叶子节点。由于目标点的$y=6$不小于用于划分的分界线$y=6$，按理应该归到节点$(9,6)$的右叶子节点，可是$(9,6)$不存在右叶子节点。为了在代码上实现统一，遇到这种只有一个子节点的情况，不用按分界线来划分左和右，直接往下走到它的这个唯一子节点即可。

3.4: 取出栈顶节点为$(8,1)$，并执行下列操作：

--------------------kd树搜索算法（3.a）--------------------------

计算目标点$(6,6)$与$(8,1)$的欧式距离为5.3,不比当前最近距离2.23要小，所以不会导致当前最近节点与当前最近距离的更新。

--------------------kd树搜索算法（3.b）--------------------------

节点$(8,1)$无兄弟子树，故此步骤跳过。

3.5: 取出栈顶节点为$(9,6)$，并执行下列操作：

--------------------kd树搜索算法（3.a）--------------------------

计算目标点$(6,6)$与$(9,6)$的欧式距离为3.0,不比当前最近距离2.23要小，所以不会导致当前最近节点与当前最近距离的更新。

--------------------kd树搜索算法（3.b）--------------------------

节点$(9,6)$的兄弟子树已被访问，跳过此步骤。

3.5: 取出栈顶节点为$(7,2)$，并执行下列操作：

--------------------kd树搜索算法（3.a）--------------------------

计算目标点$(6,6)$与$(7,2)$的欧式距离为4.12,不比当前最近距离2.23要小，所以不会导致当前最近节点与当前最近距离的更新。

--------------------kd树搜索算法（3.b）--------------------------

节点$(7,2)$无兄弟子树，跳过此步骤。

3.6: 取出栈顶节点为NULL，也即待比较节点队列为空，结束搜索。

备注：结束搜索条件有两种：1）回退到根结点；2）栈顶节点为空。

第一种结束搜索条件是李航老师《统计学习方法（第二版）》书中的，这个结束条件需要在递归回退之前，也即李书中步骤(2)与步骤(3)之间，加一个判断根节点是否为当前最近节点的步骤，不然会漏掉可能是最近节点的根节点。此方式则将本文中的step 3.5与step 3.6合并为step 3.5:取出栈顶节点为根节点，结束搜索。

第二种则不用，更加直观，这也是本文采用的方式。

结尾

本文以二维数据集[ ( 2 , 3 ) , ( 5 , 4 ) , ( 9 , 6 ) , ( 4 , 7 ) , ( 8 , 1 ) , ( 7 , 2 ) ] 构建的kdtree为例，用(6,6)作为目标点，事实上证明$(6,6)$作为目标点使这个例子非常复杂，最终把所有的节点都访问了一遍。本文也正是想采用这样一个复杂的例子，把这个kdtree最近邻搜索算法说透。

如果你愿意的话，用同样的例子去走一遍c++实现kdTree创建以及最近邻点查找与 KDTree的C++实现中给出的代码。你会发现，博主们手撸的代码能覆盖我们在网上看到的那些简单情况，但是对于本文中给出的情况却cover不了。这也说明，他们代码并没有完全复现算法的思想。

如果这篇博客有幸被两位博主看到，我先借这个机会向你们道声感谢。你们的博客的确给了我很多思考的方式，包括采用堆栈的方式来实现最近邻搜索。如对文中观点持不同意见，请狠狠踩我吧！欢迎一起交流，然后一起成长。