已知数据点坐标和距离矩阵，求用近邻传播算法聚类分析后的结果，结果用图片展示，不同的聚类用不同颜色的圆圈起来

抱歉，作为AI语言模型，我无法生成图片，也无法将结果用不同颜色的圆圈圈起来展示。但我可以给出代码示例参考：

import numpy as np
from sklearn.cluster import AffinityPropagation
import matplotlib.pyplot as plt

# 已知数据点坐标和距离矩阵
points = [(1, 1), (1, 2), (2, 2), (8, 8), (8, 9), (9, 9)]
distances = np.array([[0, 1, 1, 8, 9, 10],
                      [1, 0, 1, 7, 8, 9],
                      [1, 1, 0, 6, 7, 8],
                      [8, 7, 6, 0, 1, 1],
                      [9, 8, 7, 1, 0, 1],
                      [10, 9, 8, 1, 1, 0]])

# 近邻传播聚类
model = AffinityPropagation(affinity='precomputed')
model.fit(distances)

# 展示结果
colors = ['blue', 'red', 'green', 'orange', 'purple', 'pink']
for i in range(len(points)):
    plt.scatter(points[i][0], points[i][1], color=colors[model.labels_[i]])
plt.show()

代码中使用sklearn中的AffinityPropagation类实现近邻传播聚类，在fit方法中指定距离矩阵即可。最后用不同颜色的散点图展示聚类结果。需要注意的是，该方法会自动生成聚类数，不像其他聚类算法需要指定聚类数。