这些是http://elki.dbs.ifi.lmu.de/ 的引用：
“本质上，我们将抽象距离查询绑定到数据库，然后对这个距离进行最近邻搜索。此时，ELKI 会自动选择最合适的 kNN 查询类。如果存在适合我们的索引距离函数（不是每一个索引都能加速每一个距离！），这里会自动使用。"
"getKNNForDBID方法可能归结为缓慢的线性扫描，但是当数据库有合适的索引时，会使用索引查询。那么算法可以运行在O(nk log n)甚至O(nk)时间。”
问题是：ELKI 选择运行索引查询的依据是什么？
什么是：“当数据库有适当的索引时”，我如何保证？
关于“run”方法签名的另一个不相关的问题， 为什么有 3 个签名而不是 1 个？以及它们之间有什么区别， 以及确定使用哪个签名的标准是什么？
【问题讨论】：
标签： database cluster-analysis outliers r-tree elki
在 ELKI wiki 中有一个操作指南页面：http://elki.dbs.ifi.lmu.de/wiki/HowTo/Index
基本上，您必须使用-db.index 添加索引。然后它将自动使用如果索引支持距离度量。 R*-Tree 似乎是最强大的。还有一个关于为自定义距离函数添加 R-tree 索引支持的教程：http://elki.dbs.ifi.lmu.de/wiki/Tutorial/SpatialDistanceFunctions
至于第二个问题：AbstractAlgorithm 中有一个run(Database) 方法使用自省来检查替代方法签名。乱七八糟，但实际上可以选择其中一个签名很方便。只要确保您的getInputTypeRestriction() 匹配即可。当您处理多个关系时，这很有意义。只要你活在“一切都是（单一）向量”的思维中，就显得多余了；但即便如此，拥有一个 已经 具有要处理的数据关系的 run(Database database, Relation<O> relation) 签名也很方便。
【讨论】：
这主要是对@Anony-Mousse 帖子的后续跟进，非常有针对性。
索引需要由用户添加到数据库中。目前没有自动索引（因为任何索引都需要额外的内存和构建时间）。 -db.index 是这个参数。对自动索引的支持在愿望清单上，但它需要仔细调整成本模型。在小数据集或高维数据上，或者当用户根本不需要这种类型的查询时，添加索引是有代价的。
数据库会将查询请求按顺序转发到各个索引。 提供加速的第一个索引获胜。如果没有索引返回加速查询，数据库将回退到线性扫描，除非给出提示DatabaseQuery.HINT_OPTIMIZED_ONLY。在这种情况下，null 将被返回。可以通过QueryUtil 强制进行线性扫描，这对单元测试索引非常有用。
M-Trees 可以处理任何数字距离，但如果距离不是度量标准，则结果可能不正确。如果距离函数未将 isMetric() 报告为 true，则应报告错误。
R-Trees 可以使用任何实现SpatialPrimitiveDistanceFunction 的距离函数，这实质上意味着实现一个下限的点到矩形距离。可以找到许多距离函数的下限，但有效性可能会有所不同。例如，角距离从 R-tree 使用的矩形页面中受益较少。
至于run 方法。通常向量空间方法的首选签名是
YourResultType run(Database database, Relation<V> relation)
截至目前，数据库实际上可以通过relation.getDatabase()获取，但未来可能会改变。不幸的是，在许多情况下这是有问题的，而在某些情况下目前无法轻松删除。无论如何，这是显式形式，便于从 Java 代码运行算法，即它允许我指定要使用的 which 关系，而不必使用唯一合适的数据库关系（因此会自动选择）。
从长远来看，我确实计划使这一点更加明确，增加对选择要处理的数据子集的明确支持，也许还有查询。然后抽象父 run 方法会处理这个问题。 自动优化器将依赖于此：它会首先查询要运行的所有算法以满足它们的要求，包括查询要求。根据查询、数据集、可用内存等，优化器可以选择合适的索引，并将算法传递给合适的查询方法。
为了保持run 签名简单，它可能会通过一些Instance 类和更多使用工厂模式来处理。不过现在不用担心了。
如果您想了解为什么我们需要这个，请查看例如地理空间异常值检测算法。例如SLOM使用的签名是：
OutlierResult run(Database database, Relation<N> spatial, Relation<O> relation)
即SLOM 使用两个 two 关系。第一个关系是实例的空间关系，例如地理位置。第二个关系是实际数据，例如测量。地理位置用于确定哪些实例预计相似（但也可以是多边形！），而第二个关系指定实际然后比较相似性的数据。
【讨论】：