论文笔记之聚类算法Clustering by propagating probabilities between data points

聚类在数据挖掘中占有重要地位，聚类即是将一系列数据点划分成一个个簇，将拥有同样特性的数据点判为同一个簇内，以此来做进一步的分析。目前最基础的、运用最广泛的聚类算法当数K均值算法，初始(随机)选定K个中心点，计算每个点到这K个中心点的距离，将其划分进距离最近的中心点的簇内。根据簇内点的平均值来更新簇的中心点，再根据新的中心点划分簇。不断迭代，直到中心点不再变化。K均值算法的优点是运算方法十分简单明了，计算简单，但它同样存在缺点，K均值算法对初始点十分敏感，初始点的选择会影响到聚类的结果和收敛速度。另外，K均值算法只能聚类出球型簇。

对K均值算法的优化有很多方式，AP(Affinity Propagation 近邻传播)算法就是其中一种，它可以避免初始值敏感的问题，但计算规则十分复杂。而这篇论文中提出了一个新的聚类算法，作者称其为PP算法，“probability propagation”，概率传播算法。这个新算法与AP算法相比，计算规则更简洁࿰