針對多參數流式細胞數據分析過程復雜、自動化程度不高、要求操作者具有一定專業背景等問題，本文提出了一種基于核主成分分析算法（KPCA）進行多參數流式細胞數據分群的方法。利用 KPCA 對多參數流式細胞數據進行非線性變換，降低數據的維度，得到主成分特征變量下的散點圖分群結果，并使用改進的K-means 聚類算法實現不同亞群的自動設門。以人體外周血淋巴細胞樣本檢測結果為實驗數據，分別對其進行傳統分群、主成分分析（PCA）分群、KPCA 分群處理，并對特征參數的選取進行了探索。結果表明，KPCA 方法能夠較好地應用于多參數流式細胞數據分析中，與傳統細胞分群方法相比，該方法無需操作者具備專業知識，即可實現快速準確的自動分群，能夠提高流式細胞儀臨床診斷分析的效率。