近似最小化图和广义邻近搜索
摘要：在本文中，我们研究了那些能够在Re^d中高效逼近最小化图的函数类别。我们提出了一个通用框架和数据结构，可以用来逼近这些函数的最小化图。所得到的数据结构几乎具有线性大小，并且可以在对数时间内回答查询。应用包括对（加法或乘法）加权点的Voronoi图进行逼近。我们的技术也适用于更一般的距离函数，例如由凸包体诱导的距离函数以及到一组点集的最近最远邻距离。有趣的是，我们的框架也适用于不满足三角不等式的距离函数。对于许多这些函数之前没有已知具有近似线性大小的逼近方法。
作者：Sariel Har-Peled and Nirman Kumar
论文ID：1304.0393
分类：Computational Geometry
分类简称：cs.CG
提交时间：2013-04-03