提出了一种多尺度的谱聚类算法。与传统谱聚类算法不同，多尺度谱聚类算法用改进的k-means算法对未经规范的Laplacian矩阵的特征向量进行聚类。与传统k-means算法不同，改进的k-means算法提出一种新颖的划分数据点到聚类中心的方法，通过比较聚类中心与原点的距离和引入尺度参数来计算数据点与聚类中心的距离。实验表明，改进算法在人工数据集上取得令人满意的结果，在真实数据集上聚类结果较优。