最小二乘回归(LSR)算法是一种常见的子空间分割方法,由于LSR具有解析解,因此它的聚类性能较高。然而LSR算法是应用谱聚类方法聚类数据,谱聚类方法初始化聚类中心是随机的,会影响后面的聚类效果。针对这一问题,提出一种基于聚类中心局部密度和距离这2个特点的改进的LSR算法(LSR-DC)。在Extended Yale B数据集上进行实验,结果表明,该算法有较高的聚类精度,具有一定的鲁棒性,优于现有LSR等子空间分割方法。