Canopy聚类算法过程

Canopy算法流程图：

前几天学习Canopy算法，看了上面的流程图一直不懂，后来对整个流程模拟了一遍，并画了个图，才逐渐理解了，现将流程用自己的语言叙述一遍：
我们假设每个数据用小圆点来表示。在计算机中用List集合存储。
Canopy算法首先选择两个距离阈值：T1和T2，其中T1 > T2
（1）原始状态下的数据还没有分类，所以从集合中取出一点P，将P作为第一个类，我们也将类称为Canopy。


（2）继续从集合中取点，比如P，计算P到已经产生的所有Canopy的距离，如果到某个Canopy的距离小于T1，则将P加入到该Canopy；如果P到所有Canopy中心的距离都大于T1，则将P作为一个新Canopy,如下图中的Q就是一个新的Canopy。
（3）如果P到该Canopy距离小于T2，则表示P和该Canopy已经足够近，此时将P从从集合中删除，避免重复加入到其他Canopy。

（4）对集合中的点继续执行上述操作直到集合为空，算法结束，聚类完成。