高维数据检索方法的实现及评价
问题描述：建立高维数据的检索结构，并实现快速的检索方法。
要   求： 给定一组高维（n=128维）特征数据A，建立一种高效的检索结构。在建立好检索结构后，给定几组同样规模大小的高维（128维）特征数据集Bi, i=1,2,..m，请实现一种快速的检索方法，针对每个数据集Bi中的特征数据，寻找其在数据集A中的最近邻元素（最近邻元素定义为两者之间的欧式距离最小），然后根据全搜索得到的最近邻结果，统计自己实现方法的正确率，同时统计完成每组数据最近邻搜索的时间代价。
文件说明：给定特征数据集A和待处理数据集Bi, i=1,2,..m，数据的存储格式如下：
元素个数n：32位整数
元素1的128维特征：128个double型数据
元素2的128维特征：128个double型数据
……
元素n的128维特征：128个double型数据
即：
#define FEATURE_MAX_D 128
FILE *fp;
struct feature
{
double descr[FEATURE_MAX_D];
};
fp = fopen( sift_file, "rb" );
fread( &n1, sizeof( int ), 1, fp );
feat1 = ( struct feature * )malloc( n1 * sizeof( struct feature ) );
fread( feat1, sizeof( struct feature ), n1, fp );
fclose( fp );
测试数据共有八组，每组六个文件，第一个是数据集A，其余五个是数据集Bi, i=1,2,..5，括号内的数值是元素的个数，分别是：
(见图片)


如果谁能解决可以给我发邮件   谢谢了!    [email]xiaosan669@[/email]

dddddddddddd

原来这里没有高手啊？！