VP-TREE树结构算法

[menuvb]

有谁写过或比较详细的文档描述VP-TREE树结构的构造。网上这几天搜索过一遍，就老外一篇 Data Structures and Algorithms for Nearest Neighbor Search in General Metric Spaces ，但是还是对它的树最终构造结构还是不太了解，特别是所谓的media值的选取。

我现在想构造一个二进制相似邻居搜索，除了VP-TREE（Binary space partitioning tree)外还有没更好的算法。以前有看过GOOGLE关于相似邻居搜索（去除网页重复）论坛，提到过SIMASH算法，但是SIMHASH算法中的搜索实在太过复杂，一直没搞明白怎么划分它的fingerpring。

[超级大笨狼]

我们管向量叫做DNA链。

假设DNA的前半部分的和，比后边的大，我们叫做男人，否则是女人。
男人放左边的桶，女人放右边的桶。
如果前后差距不大，假设比例是0.55比0.45，这种是李宇春，两边桶都放。

接下来，再比较4分之1,4分之2,3,4.。。
重复上面的规则，分桶，模糊的两边都放。

这样，分4层下来，大概是128个桶，5层以上就适合万亿级别的数据了。

需要比对的时候，只需要知道当前向量是属于哪个桶里的，在桶里去比较就可以了。

比较可以用余弦相似度，欧式距离，马氏距离神马的，随意你选择。

比如来了成龙，你就不需要去女人堆里去比，
来了饭岛爱，你不要去男人堆里比。
来了曾哥，你需要到两边的桶里去比，但是多层分类的话，命中的桶树是有限的，除非是超级李宇春，DNA象国际象棋盘一样黑白相间。

这个办法可以比对数亿个指纹，人脸，图片神马的向量。
还可以比对腾讯微博和新浪微博里，哪两个人是一个。

明白？

[一叶之舟]

向上面几位学习了。

[adelldell]

仰望楼上。。
前一段时间读了一篇文章。说是现在主张利用云计算技术来改造我们的IT基础平台。
合掌祈求得以实现啊。。。
小白一个，LZ不妨参考楼上几位的回答。

[leiting321]

学习路过

[ln95811167]

VP-tree的应用有限制么？我现在在看sift的特征匹配，但是基本都是用的K-D-tree，SR-tree或者LSH，但是现在有很多度量空间的索引结构比如VP-tree，能否应用到sift的匹配呢？就是说不同类型的索引有应用限制么？