本研究では、マルチスケールデータのクラスタリングに対するスペクトルクラスタリングの適用問題を検討しています。マルチスケールデータとは、異なるサイズと密度のクラスタを持つデータのことです。従来のスペクトルクラスタリングでは、物体の近接性を反映した類似性行列を処理することによってクラスタを発見しますが、距離に基づく類似性は効果的ではありません。そこで、著者らは「到達可能な類似性」という概念を取り入れ、各物体の係数行列を導出することで、マルチスケールデータに対するスペクトルクラスタリングの問題を解決するアルゴリズムCASTを提案しました。実験結果は、CASTがマルチスケールデータのテストケースにおいて優れた性能と高いロバスト性を示すことを証明しています。