標題：efanna:基于KNN-Graph的超快ANN算法
- 基本思路：在KNN-Graph上保留一個randomize kd-trees低斋，作為KNN-Graph的入口點
- 搜索算法：
- 在randomize kd-trees上先搜索厉碟，每個tree平均分配限額，最終保留E個最近點做圖的入口點路媚；
- 在圖上找這些入口點的鄰居們，每一次迭代保留最近的P個樊销，迭代I次整慎，返回結(jié)果渗饮。
- 構(gòu)建算法：通過randomize kd-trees優(yōu)化nn-descent的初始化圖
- 構(gòu)建randomize kd-trees惦辛；
- 對于每一個數(shù)據(jù)集中的點q绣檬，以及每一個kd-tree指攒，找到對應的target leaf容贝，然后去找它的sibling（二叉kd-tree只有一個兄弟）嘀倒，然后在以sibling為根的子樹上找到離q最近的leaf页藻；以這樣的方式向上每層找一個兄弟软免，直到一個給定層周循。
- 用找到的K個最近鄰初始化KNN-Graph
-
NN-descent來迭代優(yōu)化KNN-Graph
image.png
