纠错输出代码(ECOC)是解决多类问题的强大框架。有效地找到具有最大类别区分度的最佳分区是提高其性能的关键。在本文中,我们提出了另一种有效的方法来获得在类空间中具有区别性的分区。所提出方法的主要思想是使用光谱聚类将类空间中的分区转换为无向图的割。除了测量类别相似度之外,还使用带有预分类器的混淆矩阵。在合成数据集,一组UCI机器学习存储库数据集和一个人脸识别应用程序上,将我们的方法与经典ECOC和DECOC进行了比较。结果表明,与最新的编码方法相比,我们的建议能够获得相当甚至更好的分类精度,同时降低了计算复杂性。