我正在研究基于this paper 的 R* 树的实现。关于选择分割轴算法，我有几个问题。
R*-tree 使用 followmg 方法来寻找好的分裂。沿每个轴，条目首先按较低值排序，然后按其矩形的较高值排序。
矩形的上下值是什么意思？
对于每个分布，都会确定优度值。根据这些优良值确定条目的最终分布。实验测试了三种不同的善值以及在不同组合中使用它们的不同方法。
(I) 面积值area[bb(第一组)] + area[bb(第二组)]
(二)margin-valuemargin[bb(第一组)]+margin[bb(第二组)]
(III)重叠值区域[bb(第一组)+bb(第二组)]
这里bb表示一组矩形的边界框
margin-value 是什么意思？我将如何计算这个值？
【问题讨论】：
标签： algorithm data-structures r-tree
据我所知，“矩形的下/上限值”是矩形沿相关轴的最小值和最大值。
根据链接文章的p323，“这里的边距是矩形边缘长度的总和”。
【讨论】：
矩形通常由每个维度中的 min+max 对表示。所以“上”和“下”的值是最小值和最大值。
边距是周长。原因是在很多情况下，squares 是首选的矩形类型。例如，当您进行欧几里得（或曼哈顿，几乎任何 Lp 范数）最近邻搜索时。原因是它们在某种程度上是“公正的”。
其他拆分策略，例如 Ang et Tan 的“线性”拆分忽略了这一点，往往会产生非常长的切片。维基百科有一个例子：
https://en.wikipedia.org/wiki/File:Zipcodes-Germany-AngTanSplit.svg
这些是 R*-tree 试图避免的分裂。因为大多数查询会与很多这些切片相交，所以你获得的收益很少。
请注意，R*-tree 使用了许多启发式方法和决胜局。此外，它做了两步决策：首先它只选择用于分割的轴。确定轴后，它实际上使用不同的逻辑来选择沿该轴的分割。
【讨论】：