对非线性可分离数据集进行分区是与数据聚类相关的一个基本问题。 在本文中，提出了一种称为基于图的多原型竞争学习（GMPCL）的新颖方法来解决此问题。 采用基于图的方法来产生初始的粗聚类。 之后，引入了多原型竞争学习，以改进粗聚类并发现任意形状的聚类。 GMPCL算法被进一步扩展以处理高维数据聚类，即基于快速图的多原型竞争学习（FGMPCL）算法。 通过利用合成数据集和实际数据集进行了实验比较，以验证所提出方法的有效性。 此外，我们将GMPCL / FGMPCL应用于两项计算机视觉任务，即自动彩色图
