光谱聚类已成为近年来最流行的聚类方法之一。 但是，其高计算复杂性使其无法应用于大规模数据集。 为了解决这种复杂性，已经提出了近似的频谱聚类方法。 在这些方法中，可通过使用近似技术（例如Nyström方法）或通过构建较小的代表性数据集（在该数据集上执行光谱聚类）来降低计算成本。 但是，这些近似方法的计算效率是以性能下降为代价的。 在本文中，我们提出了一种有效的近似光谱聚类方法，该方法通过利用数据之间的局部信息来提高聚类性能，同时保留了对大型数据集的可扩展性。 具体来说，我们从两个方面改进了近似谱聚