大多数传统的聚类算法无法对复杂数据集产生良好的聚类效果,它们大部分仅适用于凸形数据集。在过去几年,谱聚类算法被提出,用它来对多种形状的数据集进行聚类,并且将其推广到一些实际应用中。然而,谱聚类算法对数据集的形状也有一定的依赖,它要求簇与簇之间存在一定程度的分离。由于在非凸空间数据集中存在一个很明显拐点,传统的谱聚类算法会错误的将本该属于某一簇的数据点聚类到其他簇中。在本文中,我们提出了HSC聚类算法,即将层次聚类算法与改进后的谱聚类算法相结合。该算法不使用相邻数据点中噪音点产生的干扰信息从而避免传统谱聚类算法的缺陷。层次聚类的过程简单,还可以避免对信息误差的放大,从而使HSC聚类算法可以对包括凹形数据集在内的多种复杂数据集进行有效、精确的聚类。我们将人工合成数据集和真实数据集应用在我们的实验中。结果表明,HSC聚类算法的性能优于一些其他比较流行的聚类算法。最后,研究讨论发现,我们还可以用HSC聚类算法来预测数据集聚类数目的多少。