【摘要】函数型聚类分析在统计学领域被广泛关注，其分析过程通常在降维目标实现后进行。为了有效解决函数型主成分聚类问题，文章结合局部线性嵌入算法（Locally Linear Embedding,LLE）在非线性空间下的适用性，提出了一种局部线性下的函数型主成分分析模型（LLE Function Principle Component Analysis,LFPCA）。首先，采用函数型主成分分析法作为降维目标方法，改进了FPCA的算法模型，通过将LLE算法的权重系数矩阵与函数型主成分定义相结合，构建出一个适用于非线性空间下的聚类算法；其次，在求解算法的过程中定义了函数型主成分得分，并结合EM算法构建出GMM模型来近似函数型算法的概率密度函数，使模型更高效且适用性更强；最后，通过随机模拟实验及应用分析验证了LFPCA算法模型在真实数据集上具有良好的聚类效能。