本文的重点是从身份证样本中获取关于分布的聚类信息。我们发展了理论结果，以理解和使用数据邻接矩阵特征向量中包含的聚类信息，该特征向量基于具有足够快尾部衰减的径向核函数。特别是，我们提供了总体分析，以了解应该使用哪些特征向量，以及何时可以从样本中恢复分布的聚类信息。我们了解到，固定数量的顶级特征向量可能同时包含冗余的聚类信息，并丢失相关的聚类信息。我们利用这一洞察力设计数据分光镜聚类（DaSpec）算法，利用适当选择的特征向量自动确定簇数并对数据进行相应分组。我们的发现扩展了现有光谱技术（如光谱聚类和内核主成分分析）的直觉，并为其可用性和故障模式提供了新的理解。对真实数据进行了仿真研究和实验，以展示我们算法的潜力。特别是，DaSpec被发现可以更好地处理不平衡的组，并恢复不同形状的簇，而不是竞争方法。