대표 표본을 찾는 관점
세 표본의 위치가 0,2,9일 때 대표점을 2 하나로 두면 다른 표본을 그 대표점으로 설명해야 한다. 대표점이 0과 9라면 가까운 두 표본과 멀리 떨어진 한 표본을 나누는 구성이 가능하다. 친화도 전파는 각 점이 누구를 대표점으로 삼을지, 해당 점이 대표점으로 적합한지에 관한 메시지를 반복해 갱신한다. 대표점은 평균 좌표처럼 새로 만든 점이 아니라 실제 표본에서 선택한다.
선호도에 따른 비교
서로 다른 점 사이의 유사도를 음의 제곱거리로, 각 점의 자기 선호도를 p로 두자. 대표점 2 하나인 구성의 유사도 합은 p-53이다. 대표점 0,9인 구성은 2p-4이고 모두 자신을 대표하면 3p이다. p=-10이면 차례로 -63,-24,-30이므로 이 세 후보 중에서는 두 대표점 구성이 가장 큰 합을 갖는다. 이는 선호도의 역할을 설명하는 후보 비교이며 실제 반복 알고리즘의 수렴을 보장하는 계산은 아니다.
메시지의 감쇠
새 메시지 값을 바로 전부 적용하면 반복 중 값이 흔들릴 수 있다. 감쇠는 이전 값과 새 값을 섞어 갱신을 완만하게 하는 장치다. 감쇠를 주었다는 사실만으로 항상 올바른 군집이나 수렴이 보장되지는 않는다. 선호도, 초기 상태, 반복 제한을 바꿨을 때 대표점과 군집이 얼마나 달라지는지 확인한다.
결과와 비용
유사도는 값이 클수록 더 잘 맞는다는 의미로 정해야 한다. 큰 값이 멀리 떨어졌다는 뜻인 거리 행렬을 그대로 넣는 것과는 다르다. 표본 쌍의 행렬을 다루므로 자료가 많으면 메모리와 계산 부담이 커질 수 있다. 수렴하지 않았더라도 결과 배열이 나오는 구현이 있어 종료 상태를 확인해야 한다. 군집 수가 자동으로 정해진다는 이유만으로 결과가 객관적으로 유일한 것은 아니다.