传统的分层聚类算法在聚类过程中，仅使用样本间的距离作为相似度的唯一标准，其描述过于单一。考虑到宇宙中星系的形成过程本质也是一种聚类过程，星系之间吸引力是靠万有引力作用。将万有引力思想引人分层聚类中，提出一种基于引力的层次聚类算法HCBG（Hierarchical Clustering Base Gravity），从样本问的距离和类簇的大小两个方面更加精确地刻厕相似度。把分层聚类的过程看成样本点之间依据“万有引力”自发吸引的过程。采用UCI机器学习数据库的I．ris，Wine和Glass数据集，实验结果表明，提出的HCBG算法的聚类结果比经典的基于距离的层次聚类HC（Hierarchical Clustering）提高5％～10％左右。
