在过去的几天里，我一直在寻找支持无限维度的R-Tree的稳定实现（20个左右就足够了）。我只发现这个 http://sourceforge.net/projects/jsi/，但它们只支持2个维度。
另一种选择是区间树的多维实现。
也许我对使用R树或间隔树来解决我的问题的想法是完全错误的，所以我简短地陈述了问题，你可以把我的想法发给我。
我需要解决的问题是某种最近邻搜索。我有一组天线和房间，每个天线都有一个整数间隔。例如，天线 1，最小 -92，最大 -85。实际上，它可以表示为房间->组天线->天线间隔。这个想法是，每个房间在R-Tree中跨越一个盒子，超过天线的尺寸，并在每个维度上跨越间隔。
如果我收到一个带有N天线和每个天线值的查询，那么我可以只将信息表示为房间中的查询点，并检索“最近”到该点的房间。
希望你对这个问题和我的想法有所了解。
请注意，当您拥有离散数据时，R 树可能会严重降级。您真正需要找出的第一件事是适当的数据表示形式，然后测试您的查询是否适用于数据的子集。
R 树只会使您的查询速度更快。如果他们一开始就不工作，那就无济于事。您应该先在不使用 R 树的情况下测试您的方法。除非您命中大量数据（例如，100.000 个对象），否则内存中的线性扫描可以轻松胜过 R-Tree，尤其是在需要一些适配器层时，因为它与您的代码集成不紧密。
这里显而易见的方法是仅使用边界矩形，然后对它们进行线性扫描。如果它们有效，则可以将 MBR 存储在 R 树中，以获得一些性能改进。但是，如果它不能与线性扫描一起使用，它也不会与R-Tree一起使用（它不会更快地工作）。
我不完全清楚你的确切问题是什么，但是R树或间隔树在20个维度上不能很好地工作。这不是一个巨大的维度，但它足够大，维度的诅咒开始出现。
要理解我的意思，请考虑只是尝试查看盒子的所有邻居，包括角落和边缘的邻居。使用 20 个维度时，您将有 3个 20 - 1 或 3，486，784，400 个相邻框。（通过实现沿每个轴的邻居可以是-1个单位，0个单位或+1个单位，但是（0，0，0）不是邻居，因为它代表原始框，因此您可以得到这一点。
很抱歉，您要么需要接受蛮力搜索，要么更好地分析您的问题并提出更聪明的解决方案。
