Ao considerar métodos de agrupamento para similaridade e agrupamento, deve-se tentar um algoritmo mais recente chamado Propagação de Afinidade. Em vez de iterar em um conjunto definido de pontos, a Propagação de Afinidade funciona configurando um gráfico de fator que descreve a função objetivo usada para identificar exemplares e dados de cluster. O algoritmo então itera para esta função objetivo em TODOS os exemplos. De grande importância é a escala de requisitos de tempo e memória do algoritmo do AP linearmente com o número de semelhanças, que seria NxN se um conjunto completo de semelhanças em pares fosse inserido, mas muito, muito menos se o conjunto de semelhanças fosse esparso.