谱聚类是目前计算机视觉领域的前沿关注问题。针对谱聚类的尺度参数选择问题和用于图像处理中的瓶颈问题,本项目在图像的稀疏表示和谱聚类学习框架下,构造自适应谱聚类集成学习模型及其快速算法,并利用免疫克隆算法的全局搜索与局部寻优特性,构造具鲁棒的谱聚类加权集成算法;利用谱聚类维数简化的本质,构造基于图切判据的监督维数减化算法,并基于免疫克隆算法构造最优谱特征提取算法;充分利用实际问题中可以容易获得的有限的样本先验信息,构造半监督谱聚类算法以及适用于图像分析的基于Nystrom逼近的快速半监督谱聚类算法。在SAR图像分割、地物分类、目标识别等问题上对算法性能进行验证。研究成果拟在国内外著名期刊和国际知名会议上发表SCI、EI检索论文10-15篇;申报专利和软件著作权1-2项。