1.概述
机器学习中 AP(Affinity Propagation)通常被称为近邻传播算法或者密切度传播或类同传播算法,由 Frey 与Dueck于2007年在Science首次提出。AP算法的基本思想是将全部数据点都当作潜在的聚类中心(称之为exemplar),然后数据点两两之间连线构成一个网络(相似度矩阵),再通过网络中各条边的消息(responsibility和availability)传递计算出各样本的聚类中心(cluster center)。
2.算法原理
2.1 算法思想
不同于K均值聚类等算法需要提前设置簇数量K,这种方法自动确定簇的数量。对于聚类对象中每个数据点都选择另一个数据点作为其范例(exemplar)或质心(centroid)。更准确地说,让
表示数据点 的簇中心,表示数据点的总数量。优化对象是最大化如下函数Original: https://blog.csdn.net/scott198510/article/details/124763513
Author: scott198510
Title: 近邻传播 Affinity Propagation(AP) 聚类算法原理及实现
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/560202/
转载文章受原作者版权保护。转载请注明原作者出处!