deep-learning - 近似最近邻搜索的 k-means

Question

这是一个理论问题。

假设我有一个大小(N, D)为数百万的数据集。如果我正确理解 k-means，它会将一个空间平均划分为 k 个子空间。如果是这种情况，我们是否可以简单地使用 k-means 中心（作为根节点）进行搜索，然后根据需要跳转到叶子中，从而消除在 ANN 搜索中“近似”的需要？

在上面的示例中，如果我们有 100 万个数据点并且 k 为 1000，我们将进行 2000 次比较（1000 个中心和 1000 个数据点）以获得最近的数据点。如果这仍然太多，我们可以进一步对中心进行聚类并进行 log N 比较。

标签： deep-learningapproximate-nn-searching