我们提出了一种新方法AFCAGF，通过学习锚图消除聚类中心初始化的需求，改进了模糊k均值算法，并引入流形学习技术。利用非负矩阵分解直接获得聚类标签，减少后处理步骤。通过交替优化算法确保收敛，实验证明该算法在真实数据集上表现优于传统方法。

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。