Se presenta una metodologia completa de analisis no supervisado orientada a la clasificacion, empleando tecnicas espectrales. Esta metodologia incluye una etapa de agrupamiento no supervisado desarrollada con el criterio multiclase de particiones normalizadas. Se prefiere esta tecnica porque no requiere un algoritmo de agrupamiento adicional. Ademas, genera una particion resultante adecuada ya que considera informacion obtenida de la solucion propia. Adicionalmente, se aplican medidas de afinidad adecuadas y se realiza la estimacion automatica del numero de grupos con el fin de reducir el tiempo de procesado y mejorar la convergencia del algoritmo. Los resultados experimentales son obtenidos sobre una base de datos de imagenes. La calidad del agrupamiento se mide en los resultados de la segmentacion. Se introduce tambien una medida de desempeno no supervisada. Palabras clave: Agrupamiento espectral, medida de afinidad, solucion propia, SVD. Abstract A comprehensive methodology for classification-oriented non-supervised analysis through the use of spectral techniques is presented here. This methodology includes a non-supervised clustering stage developed under the multiway criterion of normalized partitions. This technique is preferred because it does not require an additional clustering algorithm. Additionally, it results in a suitable partition, since it considers the information obtained from a solution of one’s own. Besides, adequate affinity measurements are applied, and the number of clusters is automatically estimated in order to reduce processing time and improve algorithm convergence. Experimental results are obtained on an image database. The quality of the cluster is measured by means of segmentation results. Also, a non-supervised performance measurement was introduced. Keywords: Spectral clustering, aff