问题描述
我有一个应用程序，其中在 2D 平面上有多个 (10k-200k) 点。我想（贪婪地？）用某种逻辑对这些进行聚类：
1. Select a random point on the plane.
2. Check for other points in radius x.
3. Form a cluster (with either 1 or more points).
可以对新形成的具有较高 x 的集群重复这些步骤，这会导致某种程度的分层聚类（我在 this 帖子中发现了这种聚类逻辑，我很确定它会满足我的需求）。
正如帖子中提到的，该算法与一些空间索引一起工作得更好。由于我不需要“最近点”查询类型并且只对范围查询感兴趣，我认为 2D 范围树 最适合我的情况。
我在某种程度上可以理解范围树的逻辑，但是当我的数据集上有很多 x 坐标和 y 坐标重复时，这一切都会变得非常复杂。同样引起混淆的是偶数集的中位数分割。
示例：
考虑以下点集：
(2,7)
(2,6)
(2,5)
(2,4)
(2,3)
(5,6)
(5,5)
(7,5)
(9,3)
(9,2)
(9,1)
从这样的数据集构建范围树的最佳方法是什么？如果我删除重复项，会如何影响相应的 y 树？
此外，从 x-tree 中删除重复项会给我留下 2、5、7 和 9。该组的中位数是 6，对吗？还是我应该在集合中选择一个点？如果是，是 5 还是 7？
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）