کیفیت سرویس منابع شبکه را با تعیین اولویت ها برای نوع خاصی از داده ها تنظیم و کنترل می کند. الگوریتم های خوشه بندی زیادی برای خوشه بندی حجم کار ابری استفاده می شود که اکثر آن ها ایستا هستند. در واقع با توجه کمبود الگوریتمی پویا در مواجه با بانک های اطلاعاتی عظیم که به صورت بلادرنگ و با توجه به شرایط موجود خوشه بندی نماید، دیده می شوند. سرعت و دقت جزئی از مهم ترین عواملی است که روش پیشنهادی می بایست شامل باشد. جهت رفع این چالش، یکی از مهم ترین مولفه های کیفیت سرویس یعنی استفاده از منابع می باشد. در این مقاله استفاده از الگوریتم Chameleon پیشنهاد شده است که خوشه بندی را بر اساس جفت مولفه شباهت همسایگی و قابلیت خوشه بندی پویا انجام می دهد. فرماندهی انتظامی جمهوری اسلامی ایران (فراجا) به جهت فعالیت در عرصه نظم و امنیت با حجم بسیار گسترده ای از اطلاعات در حوزه های گوناگون اجتماعی، امنیتی، اقتصادی و فرهنگی در ارتباط است. لذا استخراج الگوهای دقیق و پویای خوشه بندی از بانک های اطلاعاتی عظیم این سازمان می تواند تا حد بسیار زیادی بهبود کیفیت سرویس را در مواجهه با این اطلاعات به همراه داشته باشد. علم داده کاوی و استفاده از تکنیک های خوشه بندی آن جهت تحلیل اطلاعات امری ضروری است. تحلیل درست ، موقعیت یابی درست و دریافت صحیح اطلاعات در هر لحظه ، اقدامات درست را در پی خواهد داشت. لذا پویایی در خوشه بندی و اطلاع از وضعیت درست در هر لحظه می تواند افزایش امنیت را نیز به دنبال داشته باشد. با مقایسه الگوریتم Chameleon با الگوریتم گاوسی 36 درصد بهبود در زمان مشاهده می شود. همچنین مصرف منابع الگوریتم Chameleon ، 50 درصد کاهش نسبت به الگوریتم گاوسی داشته است. پس می توان نتیجه گرفت که روش ارایه شده توانسته است با توجه به کاهش استفاده از منابع، خوشه بندی پویا را در کمترین زمان داشته باشد.