本文介绍了一种名为基于锚图因子分解的无锚点聚类（AFCAGF）的新方法，通过计算样本之间的成对距离来实现。该方法改进了模糊 k 均值聚类算法（FKM），并引入了一种新的流形学习技术，消除了初始化聚类中心的需要。通过交替优化算法实现所提出的方法，对各种真实数据集进行的实证评估突显了其卓越功效。