亲和传播聚类

亲和传播（Affinity Propagation）由Brendan Frey和Delbert Dueck于2007年提出，是一种聚类算法，它通过在每对点之间交换消息，直到出现一组一致的聚类，来识别数据中的代表性“exemplars”（样本）。与k-means不同，它不需要预先指定聚类数量——聚类数量由数据和“偏好”（preference）参数决定——并且它直接从成对相似性（pairwise similarities）工作，这些相似性不必是度量（metric）。