针对现有的Neural-Gas算法进行改进，提出了一种新的聚类算法。改进之处在于：一个点对一个簇的质心的影响程度取决于该点到其他更近的簇的质心的距离值，而不仅仅是点与簇质心间距离值按大小排列次序的序号。在几个数据集上的实验结果表明，该算法在熵、纯度、F1值、randindex、规范化互信息NMI等五个指标上优于K-means算法、Neural-Gas算法等其他几种聚类算法，该算法是一种较好较快的算法。