従来のクラスタリングアルゴリズムは、高次元や非均一分布のデータにおいて、低密度の境界サンプルが近隣クラスタの影響を受けやすく、結果として不安定で歪んだクラスタリング結果を生じる問題があります。これに対処するために、GCAO（重力引力と最適化によるグループ主導のクラスタリング）アルゴリズムを提案します。このアルゴリズムでは、低密度の境界点を協力的に移動するグループにまとめるグループレベルの最適化メカニズムを導入し、従来の点ベースの収束プロセスを置き換えます。GCAOは、局所密度推定と近傍トポロジーを組み合わせることにより、群とその周囲の間に効果的な重力相互作用を構築し、境界の明瞭さと構造の一貫性を向上させます。実験結果は、GCAOが11の代表的なクラスタリング手法を上回り、NMI、ARI、均一性、ACCでそれぞれ平均37.13%、52.08%、44.98%、38.81%の改善を達成したことを示しています。