所以我们有一个 3D 点的参考集(我们称之为 R),以及许多其他 3D 点集(我们称该组数据点集为 P,以及该 Pi 中的每个数据集)。
任务是返回使某些 Pi 和 R 中的数据点的欧几里得距离最小化的 Pi。我看到它的方式是这样的:
- 对于 Pi 中的每个点,与 R 中的每个点进行比较,并找到两点之间的最小差异。
- 将这些最小距离相加以达到 Pi 和 R 之间的最小总“差”。
- 答案 Pi 是差异最小的那个。
但这太疯狂了,因为这实际上意味着查看 R 中的每个点与 P 中的每个点之间的距离,可能是数千或数百万。当然,我可以做得更好。
我在 Matlab 工作,我不习惯。
有什么更好的算法可以使用?是否有适合此的数据结构?(例如KD树?)