Škálovatelnost algoritmu nejbližších sousedů

Abstract

Tato práce se zabývá efektivními algoritmy pro hledání k nejbližších sousedů. Představili jsme tři konkrétní přístupy. Prvním z nich je použití k-means shlukování pro kNN, druhým tvorba aproximativního kNN grafu za použití lokálně senzitivní hashování a posledním kNN na grafické kartě. Implementace jsou z podstatné části psány v jazyce C++. V práci je nakonec provedeno měření skutečné efektivity jednotlivých algoritmů.This thesis deals with efficient algorithms used for k nearest neighbors. We introduced three different approaches. First of them is k-means clustering for kNN, second one is an approximate kNN graph construction using locality sensitive hashing and last one kNN on graphical processing unit. Most parts of implementations are writen in C++. In the end we measure real efficiency of given algorithms.