La selección de variables es un paso clave para eliminar información redundante en espectroscopia. Entre varios métodos de selección de variables, la red de fisiarum (PN) es una introducción reciente y eficiente. Sin embargo, todo el espectro debe dividirse equitativamente en bandas subespectrales en PN. Estos criterios de división limitan la capacidad de selección y el rendimiento de predicción. En este artículo, transformamos el problema de división del espectro en un problema de agrupamiento y resolvemos el problema utilizando un algoritmo de propagación de afinidad (AP), un método de agrupamiento adaptativo, para encontrar el número optimizado de bandas subespectrales y el número de longitudes de onda en cada banda subespectral. Los resultados experimentales muestran que combinar AP y PN juntos puede lograr una precisión de predicción similar con muchas menos longitudes de onda de las que PN solo puede lograr.