Multi-Exemplar Affinity Propagation

相比传统聚类算法，Affinity Propagation Clustering（AP算法）的优势在于：1）、对初值不敏感（严格说AP中需要人工设定的初值包括preference和为了减少震荡引入的参数lamda，其中前者的大小决定了最终的类别数多少，后者决定了收敛速度。）2、聚类性能和效率大幅度提升。然后AP属于single-exemplar based 方法，即一个cluster中只有一个exemplar，这对于存在多个subclass的情况，就会存在问题。Multi-exemplar affinity propagation（MAP） 则解决了上述由于single exemplar引起的问题。MAP认为一个cluster中存在一个super exempar和多个exemplars，如下图所示：

上图可见，两组图片描述的都是coast scence，但是一组有sunset/sunrise，另一组没有，如果使用AP算法，这两组图片就会被分成两个cluster，虽然实际上他们应该是同类的，即应该属于一个super cluster。

（有事暂离，回来再续）