我们考虑分析多组观测数据的聚类分布的异质性问题，每组观测数据都由协变量值索引，并推断由在协变量域上聚集的观测值产生的全局聚类。基于空间建模的形式主义和Dirichlet过程的嵌套层次结构，我们提出了一种新的贝叶斯非参数方法。我们对模型属性进行了分析，联系并对比了局部集群和全局集群的概念。我们还提供了一个有效的推理算法，并在几个数据示例中演示了我们的方法的实用性，包括对象跟踪问题和功能标识信息不可用的功能数据的全局聚类分析。