خوشه بندی یکی از تکنیک های مهم کشف دانش در پایگاه داده های مکانی است. الگوریتم های خوشه بندی مبتنی بر چگالی یکی از روش های اصلی برای خوشه بندی در داده کاوی هستند.DBSCAN الگوریتم پایه روش های خوشه بندی مبتنی بر چگالی است که علی رغم مزایایی که دارد دارای مشکلاتی نظیر سخت بودن تعیین پارامترهای ورودی و عدم توانایی کشف خوشه های با چگالی متفاوت نیز است.در این مقاله الگوریتمی ارائه شده که برخلاف الگوریتم DBSCAN، قابلیت تشخیص خوشه های با چگالی متفاوت را دارد. این الگوریتم همچنین خوشه های تودرتو و چسبیده به هم را نیز به خوبی تشخیص می دهد. ایده الگوریتم پیشنهادی به این صورت است که ابتدا با استفاده از تکنیکی چگالی های مختلف مجموعه داده را تشخیص داده و برای هر چگالی یک شعاع Eps تعیین می کند. سپس الگوریتم DBSCAN جهت اعمال بر روی مجموعه داده، با پارامترهای به دست آمده تطبیق داده می شود. الگوریتم پیشنهادی بر روی مجموعه داده های استاندارد و مصنوعی تست شده است و نتایج به دست آمده با نتایج حاصل از الگوریتم DBSCAN و پنج بهبود الگوریتم DBSCAN شامل: VDBSCAN، VMDBSCAN، LDBSCAN، DVBSCAN و MDDBSCAN که همگی برای رفع مشکل تغییرات چگالی الگوریتم DBSCAN ارائه شده اند، بر اساس معیارهای ارزیابی روش های خوشه بندی مقایسه شده اند. نتایج ارزیابی ها نشان می دهد که الگوریتم پیشنهادی از دقت بالا و درصد خطای پایینی برخوردار بوده و نتایج بهتری نسبت به سایر الگوریتم ها داشته است.