近邻传播(affinity propagation, AP)算法^[8]的聚类是在以众多数据点形成的相似性矩阵的上进行的，对于给定的x_i和x_k两个任意的数据点，通常情况下采用欧式距离来测定它们彼此之间的相似度，sim(k, i )=-||x_k-x_i||²。当确定一组数据点的相似程度，近邻传播算法会找出每一种类别所包含的数据点集和此类数据点所对应的初级类别代表点。近邻传播算法在各个数据点之间传递着两种信息，那就是归属度(availability)和吸引度(responsibility)。算法的计算过程也是两种信息传递结合的过程。吸引度res(k, i)从点x_k指向点x_i，代表点x_i信息量在不断积累，用来表示x_i在一定程度上适用于作x_k类代表点的合适程度；归属度av(k, i)从点x_i指向点x_k，代表点x_k信息量在不断积累，用来表示x_k在一定程度上选择x_k作为初级类别代表点的适应程度。对于任意的数据点x_i，通过计算得到所有数据点的归属度av(i, k)和吸引度res(i, k)，并求出归属度av(i, k)和吸引度res(i, k)的和，那么数据点x_i的初级类别代表点即为x_k：。