canopy杂记

表述方式一：  

（1）设样本集合为S，确定两个阈值t1和t2，且t1>t2。

（2）任取一个样本点p属于S，作为一个Canopy，记为C，从S中移除p。

（3）计算S中所有点到p的距离dist。

（4）若dist<t1，则将相应点归到C,作为弱关联。

（5）检查所有dist,若dist<t2，则将相应点归到C并移出S，作为强关联。

（6）重复（2）~（5），直至S为空。

表述方式二：

(1)设样本集合为list，……

(2)取样本list的head作为p,作为一个canopy.记为C,从list中去除。

(3)任意选择点p，计算点p到每个canopy的距离dist。

(4)若 dist<T1 ,标记为弱标记；若 dist<T2 ,标记为强标记，并从list中删除。

(5)若p的标记没有发生变化且不是null, 或者dist>=T1，则将p作为一个新的canopy， 并从list中删除。

(6)若,则将p作为一个新的canopy， 并从list中删除。

(7)循环（3）~（6），至list为空。

附代码：

@@while ( list != null)
{
p=list.head;//or p=list.random(); Maybe the second is better! 
centerlist.add(p);
list.del(p);
temp=list.head;
while( temp++ != list.end)
{
  dist=distance(p,temp);
  if ( dist < t1 ) p.sign=weaksign;
  if ( dist < t2 ) { p.sign=sign; list.del(p); }
}
}

 @@ p=list.head;
while ( list != null )
{  
  if( centerlist == null )  
    {
      centerlist.add(p);
      list.del(p);
      p++;
      continue;
     }
  node=centerlist.head;
  oldsign=p.sign;
  while( certerlist.tail ！= node )  
  {
     dist=distance(node,p);
     if( dist<T2 ) { p.sign=node.sign; list.del(p); }
     else if( dist<T1 )  { p.sign=node.weaksign; }
     node=node+sizeof(Node node);
   }
  if( dist>T1 || (oldsign == p.sign && p.sign != null )) { centerlist.add(p); list.del(p); } 
  if ( null == ++p ) p=list.head;
}