Este proyecto tiene como objetivo principal proporcionar una implementación eficiente de los árboles k-dimensionales, una estructura de datos crucial en la búsqueda de vecinos más cercanos y el procesamiento de datos multidimensionales. Estos árboles son esenciales en campos como la minería de datos, el aprendizaje automático, la visión por computadora y la optimización de consultas espaciales en bases de datos, acelerando operaciones que involucran datos en espacios multidimensionales.
Los KD Trees, o árboles k-dimensionales, son estructuras de datos utilizadas en informática para organizar y buscar datos en espacios multidimensionales. Su importancia radica en su capacidad para realizar búsquedas eficientes de vecinos más cercanos en dimensiones múltiples, lo que es esencial en una variedad de aplicaciones, desde la clasificación en aprendizaje automático hasta la búsqueda de objetos similares en grandes conjuntos de datos en visión por computadora. Nuestra implementación busca simplificar el acceso a esta poderosa técnica, proporcionando una solución eficiente y bien documentada que puede beneficiar a desarrolladores, científicos de datos y entusiastas que trabajen en proyectos que involucren datos multidimensionales y necesiten una búsqueda rápida y precisa de vecinos cercanos.
- Permite la construcción de árboles KD Adaptativos y de árboles KD no Adaptativos
- Se implementaron buckets en el código para mejorar la consulta en múltiples dimensiones
- C++ 11