A K-D Tree (også kaldet K-Dimensional Tree) er et binært søgetræ, hvor data i hver node er et K- Dimension alt punkt i rummet … Peger til venstre af dette rum er repræsenteret af det venstre undertræ af den node, og punkter til højre for rummet er repræsenteret af det højre undertræ.
Er KD-træet nøjagtigt?
Datapunkterne er opdelt ved hver node i to sæt. Ligesom den tidligere algoritme er KD-træet også en binær træalgoritme, der altid ender på maksim alt to noder … På højre side af billedet nedenfor kan du se den nøjagtige position af datapunkter, på venstre side den rumlige position af dem.
Hvordan laver man et KD-træ?
Building KD-Tree
- Første indsatte punkt bliver træets rod.
- Vælg akse baseret på dybde, så aksen går gennem alle gyldige værdier. …
- Sortér punktliste efter akse, og vælg median som pivotelement. …
- Kryd træet, indtil noden er tom, og tildel derefter punkt til noden.
- Gentag trin 2-4 rekursivt, indtil alle punkterne er behandlet.
Hvorfor bruger vi kd-træ?
KD-træer er en specifik datastruktur til effektivt at repræsentere vores data Især hjælper KD-træer med at organisere og opdele datapunkterne baseret på specifikke forhold. Nu skal vi lave nogle aksejusterede udskæringer og vedligeholde lister over punkter, der falder ind i hver af disse forskellige beholdere.
Er octree et træ kd?
dataene for hver bladknude i octree udgør et lok alt KD-træ. I oktreet gemmer noderne kun deres information om afgrænsningsrammen. Hver bladknude tildeles en indeksværdi for at lette forskningen.
