KristofferC/NearestNeighbors.jl

解决的问题

NearestNeighbors.jl 提供了在数据集中高效查找最近点的方法，这是许多科学模拟和机器学习任务的基本操作。它解决了搜索数百万个点时无需将每个点与其他所有点进行比较（暴力搜索）的挑战，因为暴力搜索对于大型数据集来说太慢了。

工作原理

该包实现了多种称为“树”的空间划分结构，将数据点组织成区域的层次结构：

• KDTree：使用轴对齐平面分割数据，适用于低维数据。
• BallTree：使用超球体对点进行分组，更适合高维数据和自定义距离度量。
• BruteTree：用作基线的简单线性搜索。
• PeriodicTree：允许搜索“环绕”定义边界边缘的包装器，这对物理模拟至关重要。

它支持并行构建树以加快设置时间，并提供可变构造函数（如 KDTree!）以便在数据频繁更新时重用内存。

适用人群

该工具专为使用 Julia 的研究人员和开发人员设计，他们需要在多维空间中进行快速的 k 最近邻（kNN）或范围搜索。

亮点

• 多种树类型：根据数据维度和度量选择 KD 树或球树。
• 周期边界：通过 PeriodicTree 内置支持周期域。
• 内存效率：包含 DataFreeTree，通过磁盘内存映射处理大于可用 RAM 的数据集。
• 高性能：支持多线程树构建，并提供优化的树遍历器用于调试和可视化。