引用 E2LSH 手册（关于这个特定库并不重要，这句话应该适用于一般的 NN 问题）：
E 2LSH 也可用于解决最近邻问题，其中， 给定查询 q，报告点需要数据结构 在 P 中最接近 q。这可以通过创建几个 R-near 邻居数据结构，对于 R = R1, R2, . . . Rt ，其中 Rt 应该 大于从任何查询点到它的最大距离 最近的邻居。然后可以通过以下方式恢复最近的邻居 以半径递增的顺序查询数据结构， 找到第一个点时停止
有人可以改写一下吗？我没有这个程序使用 R 近邻方法找到最近的邻居。
【问题讨论】：
标签： c++ math computational-geometry nearest-neighbor locality-sensitive-hash
我将提供一个示例，它应该可以解决问题。假设我们的数据集仅包含一个点 p 和一个查询点 q。我们假设*p 和q 的距离是 3,9。
现在，通过使用 E2LSH$，我可以创建一个解决 R 近邻问题的数据结构，即它会回答是（并获取我的点）位于半径 R 内. 如果不存在这样的点，它将回答否。
假设我选择构建 5 个这种数据结构，从 R = 1 到 5。在我们看来，这就是我们迄今为止所做的：
所以现在请记住，d(p, q) = 3,9，因此我们期望询问由 R = 4 构建的数据结构，并为我们找到查询点 q。
现在假设我们不知道 d(p, q)，所以我们从我们选择的最小半径开始搜索，即 1。所以，我们问，我们的半径（等于 1）中是否有任何东西？数据集？不！
从 R = 2？不！
从 R = 3?不！
从 R = 4？是的，那就是q！所以现在我们完成了。 4 是您在问题中提到的 Rt。
* 这是一个强有力的假设，E2LSH 遭受不得不让用户输入参数 R，因为通常我们不知道 R 应该有什么值，太大了，我们会浪费空间和时间，太小了，我们找不到我们的查询！
$ 我听说现在有比 E2LSH 更现代的东西，在 Ilya Razenshteyn 的主页上。
【讨论】：