最近几天我一直在寻找 R-Tree 的稳定实现，支持无限维度（20 左右就足够了）。我只找到了这个http://sourceforge.net/projects/jsi/但它们只支持二维。
另一个选项是区间树的多维实现。
也许我对使用 R-Tree 或 Intervall-Tree 来解决我的问题的想法完全错误，所以我简短地陈述问题，您可以将您的想法发送给我。
我需要解决的问题是某种最近邻搜索。我有一组天线和房间，每个天线都有一个整数间隔。例如天线 1，最小 -92，最大 -85。事实上，它可以表示为房间 -> 天线组 -> 天线间隔。这个想法是，每个房间在 R-Tree 中跨越天线维度上的一个盒子，并在每个维度上由间隔跨越。
如果我得到一个带有 N 天线和每个天线值的查询，那么我可以将信息表示为房间中的查询点，并检索到该点“最近”的房间。
希望您对问题和我的想法有所了解。
请注意，当您拥有离散数据时，R-Trees 可能会严重退化。您真正需要找出的第一件事是适当的数据表示，然后测试您的查询是否适用于数据的子集。
R-Trees 只会让您的查询更快。如果他们一开始就不起作用，那将无济于事。您应该在不首先使用 R-Trees 的情况下测试您的方法。除非您遇到大量数据（例如，100.000 个对象），否则内存中的线性扫描可以轻松胜过 R-Tree，特别是当您需要一些适配器层时，因为它没有与您的代码很好地集成。
这里明显的方法是只使用边界矩形，并线性扫描它们。如果它们有效，那么您可以将 MBR 存储在 R-Tree 中以获得一些性能改进。但如果它不适用于线性扫描，它也不适用于 R-Tree（它不会更快地工作。）
我不完全清楚您的确切问题是什么，但是 R-Tree 或区间树在 20 维中不能很好地工作。这不是一个巨大的维度，但它足以让维度的诅咒开始出现。
要了解我的意思，请考虑尝试查看一个盒子的所有邻居，包括角落和边缘的邻居。对于 20 个维度，您将拥有 3个 20 - 1 或 3,486,784,400 个相邻框。（您可以通过意识到沿每个轴的邻居可以是 -1 单位、0 单位或 +1 单位，但 (0,0,0) 不是邻居，因为它代表原始框。）
很抱歉，您要么需要接受蛮力搜索，要么更好地分析您的问题并提出更聪明的解决方案。
Java 中另一个很好的实现是 ELKI：https ://elki-project.github.io/ 。