Canopy算法原理

Canopy聚类算法是一个将对象分组到类的简单、快速、精确地方法。每个对象用多维特征空间里的一个点来表示。这个算法使用一个快速近似距离度量和两个距离阈值 T1>T2来处理。

基本的算法是：从一个点集合开始并且随机删除一个，创建一个包含这个点的Canopy，并在剩余的点集合上迭代。对于每个点，如果它与这个Canopy的距离小于T1，那么就将这个点就加入这个Canopy中。除此之外，如果这个距离<T2，那么就将这个点从这个集合中删除。这样非常靠近原点的点将避免所有的未来处理。这个算法循环到初始集合为空为止，聚集一个集合的Canopies，每个可以包含一个或者多个点。每个点可以包含在多于一个的Canopy中。

while(list不为空)

{

1：随机从list中删除一个点并创建这个点的Canopy;

2：从list中剩余的点的第一个开始，如果这个点与Canopy的距离<T1,则将这个点加入到Canopy；如果这个点与Canopy的距离<T2,

那么将这个点从list中删除。

}