canopy算法matlab实现,canopy聚类算法的MATLAB程序

canopy聚类算法的MATLAB程序

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;

K_max=20;

%%%%%%%%%canopy 自动划分聚类中心和个数%%%%%%%%%

k(t) = 0;

YB=[X zeros(num,1)];

Centr=zeros(K_max,dim);

while size(YB,1) && (k(t)

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)*Centr(k(t),1:dim)).^2; %计算欧式距离

dist2=sum(dist1,2);

end

for i=1:L-1

if(dist2(i)

YB(i,dim+1)=1;

end

end

YB(YB(:,dim+1)==1,:)=[]; %删除已归类的元素

end

end

tabulate(k(:))

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 99 99.00%

4 0 0.00%

5 1 1.00%

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