统计学习方法——KD树最近邻搜索

李航老师书上的的算法说明没怎么看懂，看了网上的博客，悟出一套循环（建立好KD树以后的最近邻搜索），我想应该是这样的（例子是李航《统计学习算法》第三章56页；例3.3）：

步骤

结点查询标记

栈内元素（本次循环结束后）

最近点

最近距离

说明

A

B

C

D

E

F

G

初始化

ABD

M=空

Mdis = ∞

初始化：先将S所在的区域找到，将经过的各个结点依次加入栈中，将查询标记初始化为0

循环

AB

M=D

Mdis = dis(S,D)

取出栈顶元素D，D被查询，更新D的标记为1，计算S与D的距离，比当前最小值小，更新M=D，Mdis = dis(S,D)，计算S到D的超平面的距离是否小于Mdis（这里二维就是以S为圆心，Mdis为半径的圆是否与D那维的直线相交，在这里是相交的），小于，将D两侧的子结点加入栈，但是D两侧没有子结点，不加

A

M=D

Mdis = dis(S,D)

取出栈顶元素B，B被查询，更新B的标记为1，计算S与B的距离，不比当前最小值小，不更新，计算S到B的超平面的距离是否小于Mdis，大于，那就只加入B的S那一侧的子结点D，子结点D已经被标记为1，已被查询，不加入

C

M=D

Mdis = dis(S,D)

取出栈顶元素A，A被查询，更新A的标记为1，计算S与A的距离，不比当前最小值小，不更新，计算S到A的超平面的距离是否小于Mdis，小于，将A两侧的子结点加入，子结点B已经被标记为1，被查询，不加入，子结点C标记为0，加入栈

E

M=D

Mdis = dis(S,D)

取出栈顶元素C，C被查询，更新C的标记为1，计算S与C的距离，不比当前最小值小，不更新，计算S到C的超平面的距离是否小于Mdis，大于，只加入C的S那侧的子结点E，子结点E标记为0，没被查询，加入栈

M=E

Mdis = dis(S,E)

取出栈顶元素E，E被查询，更新E的标记为1，计算S与E的距离，比当前最小值小，更新M=E，Mdis = dis(S,D)，计算S到E的超平面的距离是否小于Mdis，小于，将E两侧的子结点加入栈，但是E两侧没有子结点，不加

M=E

Mdis = dis(S,E)

栈空，循环结束

如果有错，还望大佬们能够指正