聚类 - 6 - Canopy聚类

         本总结是是个人为防止遗忘而作，不得转载和商用。

 

Canopy算法

         虽然Canopy算法可以划归为聚类算法，但更多的可以使用Canopy算法做空间索引，其时空复杂度都很出色。

算法描述

         1，对于给定样本x1,x2, ..., xm，给定先验值 r1, r2,，（r1<r2）

         2，x1, x2, ...,xm形成列表L；构造 xj(1≤j≤m) 的空列表Cj；

         3，随机选择L中的样本c，要求c的列表 为空：

         4，计算L中样本 xj 与c的距离dj

                   若 dj < r1，则在L中删除 Xj，将 Cj赋值为{c}，即认为Xj的聚类中心就是c了。

                   若 r1 < dj< r2 ，则将 Cj 增加{c}，即c是xj的聚类中心的候选。

         5，重复第三步和第四步，若L中没有不满足条件的样本c，算法结束。

算法解释

         Canopy实际上就是以样本C为中心，分别以r1和r2为半径画了两个圆，如下图：

                 


         凡是位于r1圆内的样本点，都被C给吸住了，不能属于其他簇。而位于r2环形带中的样本可以属于簇c，但也可以属于其他簇。

代码(源自邹博老师)

         于是可以看到，有的样本属于多个簇。