A K-D Tree (همچنین به عنوان درخت K-Dimensional نیز نامیده می شود) یک درخت جستجوی دودویی است که در آن داده های هر گره یک K- نقطه بعدی در فضا است … نقاط به سمت چپ این فضا با زیردرخت سمت چپ آن گره و نقاط سمت راست فضا با زیردرخت سمت راست نشان داده می شوند.
آیا KD Tree دقیق است؟
نقاط داده در هر گره به دو مجموعه تقسیم می شوند. مانند الگوریتم قبلی، KD Tree نیز یک الگوریتم درخت باینری است که همیشه به حداکثر دو گره ختم می شود. نقاط داده، در سمت چپ موقعیت مکانی آنها.
چگونه یک درخت KD درست می کنید؟
ساخت KD-Tree
- اولین نقطه درج شده ریشه درخت می شود.
- محور را بر اساس عمق انتخاب کنید تا محور تمام مقادیر معتبر را طی کند. …
- لیست نقاط را بر اساس محور مرتب کنید و میانه را به عنوان عنصر محوری انتخاب کنید. …
- از درخت عبور کنید تا زمانی که گره خالی شود، سپس نقطه را به گره اختصاص دهید.
- مرحله 2-4 را به صورت بازگشتی تکرار کنید تا زمانی که همه نقاط پردازش شوند.
چرا از درخت kd استفاده می کنیم؟
KD-trees یک ساختار داده خاص برای نمایش کارآمد داده های ما هستند به ویژه، KD-trees به سازماندهی و تقسیم بندی نقاط داده بر اساس شرایط خاص کمک می کند. اکنون، ما برخی از برش‌های تراز محور را ایجاد می‌کنیم و فهرستی از نقاطی را که در هر یک از این سطل‌های مختلف قرار می‌گیرند، حفظ می‌کنیم.
آیا octree یک درخت kd است؟
داده هر گره برگ در octree از یک درخت KD محلی تشکیل می دهد. در octree، گره ها فقط اطلاعات خود را در مورد جعبه مرزی ذخیره می کنند. به هر گره برگ یک مقدار شاخص برای سهولت تحقیق داده می شود.
