本文研究了人体动作识别问题，即从骨骼数据中对剪裁后的序列进行动作分类。尽管当前针对该任务的最先进方法均为监督学习范式，本文则探索了一个更具挑战性的方向：采用无监督学习解决该问题。为此，我们提出了一种新型子空间聚类方法，该方法利用协方差矩阵增强动作的可区分性，并引入一种时间戳剪枝策略，以更有效地处理数据的时间维度特征。通过广泛的实验验证，我们证明所提出的计算流程不仅显著优于现有的无监督方法，甚至在性能上可与部分监督学习方法相媲美。