1简介

的BiocNeighbors包实现了一些精确的最近邻搜索算法:

• k-means for k-nearest neighbors (KMKNN)算法王(2012)使用k-均值聚类创建索引。在每个聚类中，计算该聚类的每个点到聚类中心的距离，并用于对所有点排序。给定一个查询点，确定到每个聚类中心的距离，并应用三角形不等式来确定每个聚类中的哪些点可以进行完整的距离计算。
• 有利点树算法(Yianilos 1993)涉及构造一个树，其中每个节点位于一个数据点上，并与相邻点的一个子集相关联。每个节点逐步将点划分为两个子集，这些子集比给定的阈值更接近或更远。给定一个查询点，三角形不等式应用于树中的每个节点，以确定是否需要搜索子节点。

这两种方法在索引构建过程中都涉及到随机成分，尽管k最近邻结果是完全确定的11除非有领带，你看findKNN ?获取详细信息。．

2确定k近邻

最明显的应用程序是执行k近邻搜索。我们在这里用一个点的超立方体模拟一个例子，为此我们想为每个点确定10个最近的邻居。

Nobs <- 10000 ndim <- 20 data <- matrix(runif(Nobs *ndim)， ncol=ndim)

的findKNN ()方法期望一个数字矩阵作为输入，数据点作为行，变量/维度作为列。我们通过设置表示我们想要使用KMKNN算法BNPARAM = KmknnParam ()(这也是默认值，所以在这里不是严格必要的)。我们可以通过设置来使用VP树BNPARAM = VptreeParam ()．

fout <- findKNN(data, k=10, BNPARAM=KmknnParam()) head(fout$index)

# #[1][2][3][4][5][6][7][8][9][10] # #[1] 6709 9627 8683 8907 4811 8728 9935 5093 1868 121 # #[2] 7593 9203 6652 961 2856 8711 4412 8907 4666 2811 # #[3] 8361 2534 7096 1443 8355 5135 730 9233 5057 3333 # #[4] 6116 9935 8994 4613 7533 7671 4938 587 9627 6673 # #[5] 4363 7309 3126 6247 4800 2470 1907 285 7956 3990 # #(6日)8871 5867 7618 1557 1016 7067 473 187 271 1517

头(输出端距离美元)

## [，1] [，2] [，3] [，4] [，5] [，5] [，5] [，5] [，5] [，5] [，5] 0.9134994 0.9279878 0.9321199 0.9432648 0.9759880 0.9883781 0.9904984 ## [2，] 0.8612897 0.9499456 0.9703708 0.9782614 1.0085772 1.0102099 ## [3，] 1.0378627 1.0478542 1.0709121 1.0858699 1.0869769 1.0923892 1.0965950 ## [4，] 0.9568614 1.0717803 1.0742441 1.0990840 1.1128575 1.1139495 1.1360398 ## [5，] 0.7955337 0.9129179 0.9275191 0.9435631 0.9749024 0.99312790.9980455 ## [，8] [，9] [，10] ## [1，] 0.9966502 1.0032015 1.0052059 ## [2，] 1.0129669 1.0177056 1.0362768 ## [3，] 1.1051209 1.1088504 1.1158236 ## [4，] 1.1429454 1.1429834 1.1538995 ## [5，] 0.9490294 0.9546187 0.9621188 ## [6，] 0.9994188 1.0027133 1.0101063

每一行指数矩阵对应于数据的行索引数据它们是离它最近的邻居。例如，第3个点数据有下列最近的邻居:

输出端美元指数[3]

## [1] 8361 2534 7096 1443 8355 5135 730 9233 5057 3333

…与这些邻居的距离如下:

输出端距离美元[3]

## [9] 1.108850 1.115824

注意，报告的邻居是按距离排序的。

3.查询k近邻

另一个应用是根据另一个数据集中的查询点识别一个数据集中的k-最近邻居。同样，我们模拟了一个小数据集:

Nquery <- 1000 ndim <- 20 query <- matrix(runif(Nquery *ndim)， ncol=ndim)

然后我们使用queryKNN ()函数来识别中5个最近的邻居数据对于中的每一点查询．

qout <- queryKNN(data, query, k=5, BNPARAM=KmknnParam()) head(qout$index)

## [，1] [，2] [，3] [，4] [，5] ## [1，] 4271 6336 1896 66 5255 ## [2，] 577 2631 4942 8018 9216 ## [3，] 1282 7391 6915 9507 6113 ## [4，] 8115 5553 2903 1729 1585 ## [5，] 9979 5919 7712 1312 6032 ## [6，] 7124 1550 5867 4266 1743

头(qout距离美元)

## [，1] [，2] [，3] [，4] [，5] ## [1，] 0.8255378 0.9534278 0.9662206 0.9895064 0.9973368 ## [2，] 0.9082208 0.9134062 0.9218634 0.9518809 0.9672650 ## [3，] 0.9416898 0.9466910 0.9773505 0.9956400 0.9989399 ## [4，] 1.0114986 1.0219494 1.0297100 1.0405589 1.0559577 ## [5，] 0.8845057 0.8972909 0.8973070 0.9025898 0.9055773 ## [6，] 1.0793351 1.0811115 1.1228046 1.1345023 1.1360885

每一行指数矩阵中包含行的下标数据它们是一个点的最近邻居查询．例如，第3个点查询下列最近的邻居在吗数据：

qout美元指数[3]

## [1] 1282 7391 6915 9507 6113

…与这些邻居的距离如下:

qout距离美元[3]

## [1] 0.9416898 0.9466910 0.9773505 0.9956400 0.9989399

同样，报告的邻居是按距离排序的。

4进一步的选择

方法对查询点的子集执行搜索子集=论点。这将产生与搜索所有点并设置输出子集相同的结果，但比搜索所有点和设置输出子集更有效。

findKNN(data, k=5，子集=3:5)

## $index ## [，1] [，2] [，3] [，3] [，4] [，5] ## [，] 8361 2534 7096 1443 8355 ## [2，] 6116 9935 8994 4613 7533 ## [3，] 4363 7309 3126 6247 4800 ## ## $distance ## [，1] [，2] [，3] [，3] [，4] [，5] ## [1，] 1.0378627 1.047854 1.0709121 1.0858699 1.086977 ## [2，] 0.9568614 1.071780 1.0742441 1.0990840 1.112857 ## [3，] 0.8285719 0.837526 0.8930268 0.9053241 0.916920

如果只有感兴趣的索引，用户可以设置get.distance = FALSE避免返回距离矩阵。这将节省一些时间和内存。

findKNN(data, k=2, get.distance=FALSE))

##[1]“index”

类的并行计算也很容易加快函数的速度BiocParallel框架。

library(BiocParallel) out <- findKNN(data, k=10, BPPARAM= multicorepam (3))

对于一个常量的多次查询数据，预聚类可以在单独的步骤中使用buildIndex ()．然后可以将结果传递给多个调用，避免重复集群的开销22时自动确定算法类型BNINDEX是指定的，所以没有必要也指定吗BNPARAM在后面的函数中。．

- buildIndex(data, BNPARAM=KmknnParam()) out1 <- findKNN(BNINDEX=pre, k=5) out2 <- queryKNN(BNINDEX=pre, query=query, k=2)

高级用户也可能对raw.index =参数，该参数将索引直接返回给预先计算的对象，而不是返回给数据．这可能在包函数中很有用，在那里处理公共预计算对象可能更方便。

5会话信息

sessionInfo ()

## R版本3.6.0(2019-04-26)##平台:x86_64-pc-linux-gnu(64位)##运行在Ubuntu 18.04.2 LTS下## ##矩阵产品:默认## BLAS: /home/biocbuild/bbs-3.9-bioc/R/lib/libRblas。/home/biocbuild/bbs-3.9-bioc/R/lib/libRlapack。所以## ## locale: ## [1] LC_CTYPE=en_US。UTF-8 LC_NUMERIC= c# # [3] LC_TIME=en_US。UTF-8 LC_COLLATE= c# # [5] LC_MONETARY=en_US。utf - 8 LC_MESSAGES = en_US。UTF-8 ## [7] LC_PAPER=en_US。UTF-8 LC_NAME= c# # [9] LC_ADDRESS=C lc_phone = c# # [11] LC_MEASUREMENT=en_US。UTF-8 LC_IDENTIFICATION=C ## ##附加的基础包:## [1]stats graphics grDevices utils datasets methods基础## ##其他附加包:## [1]BiocParallel_1.18.0 BiocNeighbors_1.2.0 knitr_1.22 ## [4] BiocStyle_2.12.0 ## ##通过命名空间加载(且未附加):## [4] stats4_3.6.0 magrittr_1.5 evaluate_0.13 ## [7] stringi_1.4.3 S4Vectors_0.22.0 rmarkdown_1.12 ## [10] tools_3.6.0 string_1 .4.0 parallel_3.6.0 ## [13] xfun_0.6 yaml_2.2.0 compiler_3.6.0 ## [16] BiocGenerics_0.30.0 BiocManager_1.30.4 htmltools_0.3.6