更改

## 如果节点<math>v_i</math>和<math>v_j</math>分别在对方的邻域中(马尔可夫毯)，则使用cosine计算两个节点的相似性作为距离；

## 如果节点<math>v_i</math>和<math>v_j</math>分别在对方的邻域中(马尔可夫毯)，则使用cosine计算两个节点的相似性作为距离；

## 否则将两个节点间的距离设为无穷大∞(1000)

## 否则将两个节点间的距离设为无穷大∞(1000)

# 基于距离矩阵<math>D_{N×N}</math>，使用OPTICS算法进行聚类，同一类里的节点进行粗粒化作为一个宏观节点，存在距离超参<math>\epsilon</math>，需要线性搜索，选择EI最大的参数

# 基于距离矩阵<math>D_{N'×N'}</math>，使用OPTICS算法进行聚类，同一类里的节点进行粗粒化作为一个宏观节点，存在距离超参<math>\epsilon</math>，需要线性搜索，选择EI最大的参数

===机器学习方法===

===机器学习方法===