我有一个地板，在地板上的不同位置放置了各种传感器。对于每个传输设备，传感器可能会检测到其读数。地板上可能有 6-7 个传感器，并且某些传感器可能无法检测到特定读数，但可能会被其他一些传感器检测到。
对于我得到的每一个读数，我想确定那个读数在地板上的位置。我们在逻辑上将地板划分为 TILE（5x5 英尺区域），并找到每个 TILE 的理想读数应该由每个传感器设备检测到（基于一些传输路径损耗方程）。
我使用来自每个 TILE 的“N”传感器设备的预计算读数作为 N 维空间中的一个点。当我得到一个真实的生活读数时，我会找到这个读数最近的邻居，并将这个读数分配给那个位置。
我想知道是否有 K 最近邻的变体，其中一个维度可以从考虑中删除。当特定传感器未报告任何读数时，这将特别有用。我知道使用 kd-tree 或 R 树之类的算法不可能对维度进行加权。但是，我想知道在计算最近邻时是否可以丢弃维度。有没有这样的算法？
编辑：
我想知道的是，相同的 R/kd 树是否可以用于具有不同查询的 k 最近搜索，其中每个查询具有不同的维度权重？我不想为每个不同的维度权重构建另一个 kd-tree。
编辑2：
python中是否有任何库，可让您指定自定义距离函数并搜索k个最近邻居？本质上，我想对不同的查询使用不同的自定义距离函数。