针对传统谱聚类算法没有解决簇划分过程中，簇间交叉区域样本点对聚类效果有影响这个问题，提出一种基于局部协方差矩阵的谱聚类算法，主要介绍了一种新的计算样本之间相似度亲和矩阵的方法，即通过计算样本点之间的欧氏距离划分出小子集，计算小子集的协方差，通过设定阈值剔除交叉点，由剩下的点构造相似矩阵，对相似矩阵进行特征值分解，用经典的[k]-means算法对由特征向量组成的矩阵聚类。通过在Control等真实数据集上的实验结果表明，该算法在聚类准确率、标准互信息等指标上比较对比算法获得更优秀的效果。