我正在研究图像匹配，我在Python中使用“相似性传播”来创建图像集群。由于AP为每个群集选择一个样本，我如何知道该群集的样本代表的图像是什么？
答案 0 :(得分：0)
“亲和力传播” 不是具有规范地对新图像进行“分类”的方式。群集不是由亲缘关系本身分配的，而是由“责任”和“可用性”分配的。大致（但仅是近似的），我认为sklearn的实现在那里不正确-将对象分配给它们的“最近”（最高亲和力，尽管亲和力通常是从距离派生的）群集。但是，如果最接近的点仅具有较低的可用性，而第二个最接近的点几乎具有相同的可用性，但对此点具有更高的可用性和责任感，则可能会将点分配给“最近”的示例。我不确定是否也会发生某种可传递性（如在DBSCAN中）。如果是这样，AP将能够更好地处理直径或形状不同的簇，并且与k均值的相似度更低。在我的实验中，AP与k均值非常相似，但速度却慢得多...不过，对于这种情况，我没有一个简单的测试用例，恕我直言，它通常只会影响几个要点。
尽管如此，将“新点”简单地分配给最近的示例似乎是一种常见的方法。而且，如果您阅读sklearn文档，它就有一种可以做到这一点的方法。我认为这不是一个好主意，因为现在fit然后transform将不会产生与fit_transform相同的结果...但是这很可能永远不会因为“向后兼容性”而改变。
sklearn还具有一个属性，该属性将为您提供AP选择的示例的索引，因此您也可以轻松地自己执行此操作（如果使用预先计算的亲和度矩阵，这是必需的。）