AP聚类算法的源代码，基于matlab程序，有较详细解说 AP聚类算法的源代码，基于matlab程序，有较详细解说

AP聚类算法的源代码，基于matlab程序，有较详细解说

刚得到的源码，分享给大家。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

ap聚类算法的c#实现，不过工程文件是vs2012的，下载前请注意。。。

AP聚类算法的源代码，基于matlab程序，有较详细解说

AP聚类算法的源代码，基于matlab程序，有较详细解说 AP聚类算法的源代码，基于matlab程序，有较详细解说

AP聚类算法的源代码，基于matlab程序，有较详细解说

一个很好的利用DTW距离作相似度的ap聚类算法，同时能够自适应的调整最佳参数

AP算法提出原文。Clustering data by identifying a subset of representative examples is important for processing sensory signals and detecting patterns in data. Such “exemplars” can be found by randomly choosing an initial subset of data points and then iteratively refining it, but this works well only if that initial choice is close to a good solution. We devised a method called “affinity propagation,” which takes as input measures of similarity between pairs of data points. Real-valued messages are exchanged between data points until a high-quality set of exemplars and corresponding clusters gradually emerges. We used affinity propagation to cluster images of faces, detect genes in microarray data, identify representative sentences in this manuscript, and identify cities that are efficiently accessed by airline travel. Affinity propagation found clusters with much lower error than other methods, and it did so in less than one-hundredth the amount of time.

Affinity Propagation (AP) 聚类是最近在Science杂志上提出的一种新的聚类算法。它根据N个数据点之间的 进行聚类,这些相似度可以是对称的,即两个数据点互相之间的相似度一样(如欧氏距离);也可以是不对称的,即两个数据点互相之间的相似度不等。这些相似度组成N×N的相似度矩阵S(其中N为有N个数据点)。AP算法不需要事先指定聚类数目,相反它将所有的数据点都作为潜在的聚类中心,称之为exemplar。