n薋-堏
canopy聚类算法的matlab程序-尊龙凯时
凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/
1. canopy聚类算法简介
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，如果它的距离第一个点的距离小于t1，然后这个点就加入这个聚集中。除此之外，如果这个距离
canopy算法其实本身也可以用于聚类，但它的结果可以为之后代价较高聚类提供帮助，其用在数据预处理上要比单纯拿来聚类更有帮助。canopy聚类经常被用作更加严格的聚类技术的初始步骤，像是k均值聚类。建立canopies之后，可以删除那些包含数据点数目较少的canopy，往往这些canopy是包含孤立点的。
canopy算法的步骤如下:
（1） 将所有数据放进list中，选择两个距离，t1，t2，t1>t2
（2）while(list不为空)
{
随机选择一个节点做canopy的中心；并从list删除该点；
遍历list：
对于任何一条记录，计算其到各个canopy的距离；
如果距离
如果距离
如果到任何canopy中心的距离都>t1,那么将这条记录作为一个新的canopy的中心，并从list中删除这个元素；
}
需要注意的是参数的调整：
当t1过大时，会使许多点属于多个canopy，可能会造成各个簇的中心点间距离较近，各簇间区别不明显；
当t2过大时，增加强标记数据点的数量，会减少簇个个数；t2过小，会增加簇的个数，同时增加计算时间；
2. matlab程序
clear
clc
%%%%%%%%%%%%%%% 加载数据 %%%%%%%%%%%%%%%%%%
x = dlmread('iris.data');
[~,x_dim]=size(x);
x=x(:,1:x_dim-1);
[num,dim] = size(x);
n=100;
k=zeros(n,1);
for t=1:n
%%%%%%%%%%%%%%% 抽样 %%%%%%%%%%%%%%%%%%
sample=round(num/10);
rand_array=randperm(num);
x_part=x(rand_array(1:sample),:);
d=pdist(x_part);
miu=mean(d);
sigma=std(d);
t2=miu 5*sigma;
%%%%%%%%�nopy 自动划分聚类中心和个数%%%%%%%%%
k(t) = 0;
yb=[x zeros(num,1)];
centr=zeros(20,dim);
while size(yb,1)&& (k(t)<20)
k(t)=k(t) 1;
centr(k(t),:)=yb(1,1:dim);
yb(1,:)=[]; %在选取第一个点为聚类点并删除
l=size(yb,1);
if l
dist1=(yb(:,1:dim)-ones(l,1)*yb(1,1:dim)).^2; %计算欧式距离
dist2=sum(dist1,2);
end
for i=1:l-1
if(dist2(i)
数据见：matlab实例：pca降维中的iris数据集，保存为：iris.data，最后一列是类标签。
3. 结果
value count percent
1 0 0.00%
2 0 0.00%
3 93 93.00%
4 7 7.00%
k=3为最终结果。注意：实验结果与t2的选取有很大关系，视具体数据而定。
4. 参考文献
[1] 数据挖掘笔记-聚类-canopy-原理与简单实现
[2] canopy_kmeans 代码 matlab实现 图像分割
原文链接：http://www.cnblogs.com/kailugaji/p/11646557.html
