在kd-树的构造算法中，需要在中位点进行切分，请用文字或伪代码给出一种查找中位点的算法，并分析其时间复杂度（越低越好）。若使用该方法进行kd-树的构造，请给出构造kd-树的时间复杂度。

在kd-树（K-Dimensional Tree）的构造过程中，寻找数据集的中位点是关键步骤之一。这里我们假设数据集是一维的，因为二维及以上的情况通常是递归地处理每一维度。一种简单的查找中位数的方法可以按照以下步骤进行：

**伪代码：**

function findMedian(data):
    n = length of data
    if n is odd:
        return median_index = (n - 1) / 2
    else:
        return median_index = n / 2

function build_kd_tree(data):
    median_index = findMedian(data)
    split_dim = choose_random_dimension()  // 选择一个随机维度
    pivot = data[median_index][split_dim]  // 使用中位值作为切分点
    left_data = [x for x in data if x[split_dim] < pivot]
    right_data = [x for x in data if x[split_dim] >= pivot]
    
    root = TreeNode(split_dim, pivot)
    root.left = build_kd_tree(left_data)
    root.right = build_kd_tree(right_data)
    
return root

**时间复杂度分析：**
- `findMedian`函数的平均时间复杂度是O(1)，因为我们直接访问数组长度的一半位置，最坏情况也是O(n)，但在实际操作中，因为数据是均匀分布的，这一步不会成为瓶颈。
- `build_kd_tree`函数的时间复杂度取决于分割过程。对于每个节点，我们需要遍历整个数据集一次来找到中位数，然后再次遍历数据集来划分左右子树。因此，单次构建的时间复杂度是O(n log n)，这是因为有log(n)层节点，每层的时间复杂度为O(n)。

**总结：**
总的来说，在kd-树构造过程中，寻找中位点的时间复杂度相对较低，对总时间复杂度的影响较小，但由于需要反复进行切割操作，所以整个构造过程的时间复杂度总体上是O(n log n)。