Clustering: Canopy

Canopy

本文介绍聚类算法：canopy

该算法的主要特点：无需设置集群个数

算法的步骤

1. 设置参数T1和T2, 其中T1>T2, 参数敏感

2. 在样本集和钟任务一个样本P, 计算P与所有Canopy之间的距离，初始的时候Canopy为空，直接把P

    当成一个Canopy.  如果P与某个Canopy距离在T1以内，则将P认为是一个Canopy。如果在T1和T2之间，

    则将P点认为与该Canopy很近了，不再作为Canopy的备选。

3. 重复遍历所有的样本，直到结束

4. 经过1,2,3步获得的所有Canopy作为聚类的中心，然后开始采用聚类的方法进行聚类，例如K-Means。

  

参考：www.docin.com/p-262724432.html