传统谱聚类算法受高斯核尺度参数的影响较大，对噪声点较为敏感，并且不能利用先验信息指导聚类过程。针对以上问题，提出了一种基于路径相似度测量的鲁棒性谱聚类算法（RPB-SC）。该算法将路径聚类与谱聚类算法相结合，通过定义高斯核的邻域加权尺度因子计算相似度，再用路径聚类思想对全局相似度进行调节，同时通过成对限制先验信息辅助聚类搜索。在人工数据集和真实数据集上的实验表明，新提出的算法能有效减弱高斯核尺度参数的影响，增强对噪声点的鲁棒性，提高聚类性能。