输入：成员集合 $\left\{X\left(1\right),X\left(2\right),\cdots ,X\left(T\right)\right\}\subset R^{m\times n}$ ，核函数K及其参数，模糊度系数p，保留维度q，正则化控制参数 ${\sigma }^2$ ，Parzen-window的平滑参数s，权重 $\omega$ ，隶属度阈值 $\eta$ 和迭代的最大次数 $k_{\max }$ 。

输出：聚类树状图及聚类结果。

步骤1 根据式(10)计算标准化矩阵 $X^{\ast }\left(t\right)$ ， $t=1,2,\cdots ,T$ ；

步骤2 对 $X^{\ast }\left(t\right)$ 运行DRF-KPCA算法得到 $Y\left(t\right)$ ， $t=1,2,\cdots ,T$ ；

步骤2.1令 $k=0$ ，通过式(9)求出相对密度 $d_i$ ，赋值给初始隶属度 $U^0=\left\{d_1,d_2,\cdots ,d_m\right\}$ ；

步骤2.2根据式(3)、(4)和(5)求出特征值 ${\lambda }_1^k,{\lambda }_2^k,\cdots ,{\lambda }_q^k$ 和对应的特征向量 ${\nu }_1^k,{\nu }_2^k,\cdots ,{\nu }_q^k$ ；

步骤2.3令 $k=k+1$ ，根据式(7)和(8)，计算重构误差和新的隶属度 $U^k=\left\{{\mu }_1^k,{\mu }_2^k,\cdots ,{\mu }_m^k\right\}$ ；

步骤2.4如果满足收敛条件 $\underset{1\le i\le m}{\max }\left|{\mu }_i^{k-1}-{\mu }_i^k\right|<\eta$ 或 $k>k_{\max }$ ，则迭代结束，否则转向步骤2.2；

步骤2.5根据式(6)得到研究变量在低维空间中的表示。

步骤3 根据式(13)、(14)和(15)计算综合评价函数序列矩阵 $F_i$ ， $i=1,2,\cdots ,m$ ；

步骤4 选择矩阵间的距离公式，对m个研究对象进行聚类分级。