Canopy Clustering（Canopy聚類）

Canopy Clustering

Canopy算法是基於Kmeans算法的一種優化的聚類方法。

優化體如今:

1.前期能經過一些低性能的算法，快速的獲取聚類中心

2.分好的每一個聚類內部在進行k-means計算（不一樣聚類之間不進行類似度計算）

實現原理：(藉助網上的一張截圖)

算法步驟：

　　（1 ) 將數據集向量化，而後放到list集合中，同時設定兩個距離閾（yu）值：T1和T2

　　（2）循環從list中去取一個，做爲一個聚類中心，放到centerlist中，並從list中移除該點

　　（3）循環從centerlist中 比較 與周圍的點於閾(yu)值之間的關係，小於最小T1閾值，說明兩個值類似，放到一個聚類中，並從list中移除；若是大於最大閾值T2，那麼就單獨做爲一個聚類中心，並從list中移除；不然在T1和T2之間就不分別加到各個聚類中心去，但依然保留在list中

　　（4）迭代2~3步直至list中元素爲null，算法結束。

僞代碼：（借鑑於煉數成金）

Canopy算法的優缺點：

1.不須要事先指定k值（即clustering的個數）

2.精度較低，但其速度上有很大的優點

3.前期能夠使用Canopy聚類先對數據進行「粗」聚類，獲得k值後再使用K-means進行進一步的「細」聚類