مدل‌های آمیخته گرافی، ابزاری قدرتمند برای نمایش دیداری روابط استقلال شرطی بین داده‌های ناهمگن بالابُعد فراهم کرده است. در مطالعه این مدل‌ها، اغلب توزیع مولفه‌های آمیخته، نرمال چندمتغیره با ماتریس‌های کواریانس متفاوت در نظر گرفته شده که مدل حاصل، به مدل آمیخته گرافی گاوسی معروف است. با جای‌گزین کردن فرض محدودکننده نرمال با یک مفصل نیمه‌پارامتری نرمال، مدل آمیخته گرافی نرمال ناپارامتری معرفی شده که هم مدل گرافی نرمال ناپارامتری و هم مدل‌های آمیخته را تعمیم داده است. در این مطالعه، خوشه‌بندی مبتنی بر مدل آمیخته گرافی نرمال ناپارامتری با دو فرم تابع تاوان $ell_۱$ (متعارف و نامتعارف) پیشنهاد شده است و عملکرد آن با روش خوشه‌بندی مبتنی بر مدل آمیخته گرافی گاوسی مقایسه شده است. نتایج مطالعه شبیه‌سازی روی داده‌های نرمال و غیرنرمال، در حضور و عدم حضور داده‌های دورافتاده و همچنین نتایج کاربردی روی داده‌های سرطان سینه نشان داد که ترکیب مدل آمیخته گرافی نرمال ناپارامتری با تابع تاوان وابسته به نسبت‌های آمیخته، از نظر بازسازی خوشه‌ها و برآورد پارامترهای مدل، نسبت به سایر روش‌های خوشه‌بندی مبتنی بر مدل از دقت بالاتری برخوردار است.