仿射传播聚类(Affinity propagation clustering，AP)是Frey于2007年在Science提出的一种新聚类算法，同K均值算法相比，不用预先指定分类数，利用相似性矩阵和优先权矩阵就可得到净相似度最大的聚类结果，具体算法细节可以参看很多的中文或者英文网站。本文试图说明科研创新时效性的重要意义，也就是科研工作的嗅觉与及时下手的重要性。

在Google学术搜索引擎上，第一篇就是“Clustering by passing messages between data points”,被引用次数为2296次。从Science的官网看到，收稿日期为2006年10月26日，录用日期为2006年12月26日，论文线上出版日期为2007年1月11日，正式出版日期为2007年2月。这个出版周期确实快，从投稿到见刊不超过4个月。

有意思的是一篇中文文献，2007年自动化学报王开军等发表的“自适应仿射传播聚类”，针对上述论文的两个缺陷，提出了改进方法，在多个测试数据集上验证效果非常好。自动化学报的收稿日期是2007年8月24日，收修改稿日期是2007年10月25日，论文见刊时间是2007年第12期。Google学术搜索引擎上这篇文献的被引用次数为50，学术影响力也非常可观。

可以合理的推断王开军等在阅读Frey的文章后，迅速的对其算法的局限性开展研究，在半年的时间内，完成了实验和论文写作，保证了论文的创新性。后续的国内学者关于AP聚类算法本身再难有实质性的改进。

发现问题难，发现问题后快速的做出响应更是难能可贵。