子空间聚类是解决高维数据聚类问题的有效方法之一,其面临的主要挑战是如何高效率地搜索一系列子空间.算法Chameleoclust利用可演化的染色体结构来搜索子空间聚类,取得了较好的聚类效果.但由于其以自然选择作为进化的主要驱动力,无法对进化过程中最主要的突变“中性突变”进行评价,因此缺乏足够的启发信息来引导搜索,导致搜索效率不高,且极易陷入局部最优等问题.本文提出一种中性游走驱动的Chameleoclust算法(Chameleoclust　NW),该算法主要特点是以中性理论的思想为基础,将中性突变视为进化的主角,以进化潜力为启发信息对染色体进一步评价,并利用中性游走对算法搜索过程进行引导.实验结果表明,与Chameleoclust相比,Chameleoclust　NW具有更高的搜索效率和准确率.