摘要：谱聚类算法通常是采用高斯核作为相似性度量，并利用所有可用的特征来构建具有欧氏距离的相似度矩阵，数据集复杂度会影响其谱聚类性能，因此该文提出一种基于公理化模糊子集（AFS）的改进谱聚类算法。首先结合AFS算法，利用识别特征来衡量更合适的数据成对相似性，生成更强大的亲合矩阵：再有效地利用Nystrom采样算法，计算采样点间以及采样点和剩余点间的相似度矩阵去降低计算的复杂度；最后通过在不同数据集以及图像分割上进行实验，证明了提出算法的有效性。

关键词：亲和矩阵 谱聚类 公理化模糊子集 nystr6m采样算法 

单位：兰州理工大学电气工程与信息工程学院; 兰州730050; 甘肃省工业过程先进控制重点实验室; 兰州730050; 兰州理工大学部级电气与控制工程实验教学中心; 兰州730050