概率神经网络的结构优化仍然是一个尚未解决和具有挑战性的问题。 在本文中，通过亲和力传播提出了一种改进的概率神经网络。 首先，提出了基本的概率神经网络，并分析了相关的问题。 然后采用亲和力传播聚类算法优化概率神经网络的结构。 最后，将提出的具有亲和力传播的概率神经网络应用于Iris数据分类情况。 仿真结果表明，该方法可以减少模式神经元的数量，提高测试样本的准确率，而无需额外的运行时间。