更改

'''affinity propagation'''是Frey和Dueck在2007年发表在Science上的聚类算法。从更广义的角度说，它属于消息传递算法的一种。原始文献见[http://www.psi.toronto.edu/affinitypropagation/FreyDueckScience07.pdf 这里]，[http://www.psi.toronto.edu/affinitypropagation/faq.html 这里]有关于AP算法的问答，包括适用的数据量大小和计算速度等细节。和k-means等它聚类算法一样，它的输入是一个N * N 的相似矩阵。在这个相似矩阵上，算法通过在数据点之间传递信息（责任和可用性，前者决定点i有多大意愿选择k作为自己的代表例子，后者决定k有多大意愿决定把i选择做代表），不断修改聚类中心的数量和位置，直到整个数据的净相似性（聚类中心k自己对自己的相似性+所有节点i!=k到k的相似性）达到最大。

'''affinity propagation(AP算法)'''是Frey和Dueck在2007年发表在Science上的聚类算法。从更广义的角度说，它属于消息传递算法的一种。原始文献见[http://www.psi.toronto.edu/affinitypropagation/FreyDueckScience07.pdf 这里]，[http://www.psi.toronto.edu/affinitypropagation/faq.html 这里]有关于'''AP算法'''的问答，包括适用的数据量大小和计算速度等细节。和k-means等它聚类算法一样，它的输入是一个N * N 的相似矩阵。在这个相似矩阵上，算法通过在数据点之间传递信息（责任和可用性，前者决定点i有多大意愿选择k作为自己的代表例子，后者决定k有多大意愿决定把i选择做代表），不断修改聚类中心的数量和位置，直到整个数据的净相似性（聚类中心k自己对自己的相似性+所有节点i!=k到k的相似性）达到最大。

[[File:affinitypropagation_figure_2.png|center|400px]]

[[File:affinitypropagation_figure_2.png|center|400px]]