En la dinámica lagrangiana, la detección de clústeres coherentes puede ayudar a entender la organización del transporte al identificar regiones con patrones de trayectoria coherentes. Sin embargo, muchos algoritmos de agrupamiento dependen de parámetros ingresados por el usuario, lo que requiere un conocimiento previo sobre el flujo y hace que el resultado sea subjetivo. Basándose en el método de agrupamiento espectral convencional de Hadjighasem et al. (2016), se desarrolla un nuevo enfoque de agrupamiento espectral con parámetros optimizados que identifica automáticamente los parámetros óptimos dentro de rangos predefinidos. También se introduce una métrica basada en el ruido para cuantificar la coherencia de los clústeres coherentes resultantes. El agrupamiento espectral con parámetros optimizados se aplica a dos flujos analíticos de referencia, el Jet de Bickley y el oscilador Duffing asimétrico, y a un flujo costero oceánico realista generado numéricamente. En este último caso, los clústeres basados en modelos identificados se prueban utilizando trayectorias observadas de verdaderos flotadores. En todos los ejemplos, nuestro enfoque logró realizar la partición del dominio en clústeres coherentes con una similitud inter-clúster mínima y una similitud intra-clúster máxima. Para el flujo costero, los clústeres coherentes resultantes son cualitativamente similares durante la misma fase de la marea en diferentes días e incluso en diferentes años, mientras que los clústeres coherentes para la fase de marea opuesta son cualitativamente diferentes.