欧几里得最小生成树算法通常以二次计算复杂性运行，这对于大规模的高维数据集不切实际。 在本文中，我们针对高维数据提出了一种新的两级近似欧几里德最小生成树算法。 在第一级中，我们对给定的数据集执行离群值检测，以识别少量边界点，然后在简化的数据集上运行标准的Prim算法。 在第二级中，我们进行k近邻搜索以完成近似的欧几里德最小生成树构造过程。 在样本数据集上的实验结果证明了该方法的有效性，同时保持了较高的近似精度。