K-D樹最近鄰算法https://blog.csdn.net/image_fzx/article/details/80624968
一般說來，索引結構中相似性查詢有兩種基本的方式：
- 一種是范圍查詢，范圍查詢時給定查詢點和查詢距離閾值，從數據集中查找所有與查詢點距離小於閾值的數據
- 另一種是K近鄰查詢，就是給定查詢點及正整數K，從數據集中找到距離查詢點最近的K個數據，當K=1時，它就是最近鄰查詢。
Kd-樹是K-dimension tree的縮寫，是對數據點在k維空間（如二維(x，y)，三維(x，y，z)，k維(x1，y，z..)）中划分的一種數據結構，主要應用於多維空間關鍵數據的搜索（如：范圍搜索和最近鄰搜索）。本質上說，Kd-樹就是一種平衡二叉樹。
首先必須搞清楚的是，k-d樹是一種空間划分樹，說白了，就是把整個空間划分為特定的幾個部分，然后在特定空間的部分內進行相關搜索操作。想像一個三維空間，kd樹按照一定的划分規則把這個三維空間划分了多個空間，如下圖所示：
K--D樹結構
K-D樹構建算法：
