DBSCAN聚类算法使用固定的Eps和minPts，处理多密度的数据效果不理想，并且算法的时间复杂度为O（N2）。针对以上问题，提出一种基于区域划分的DBSCAN多密度聚类算法。算法利用网格相对密度差把数据空间划分成密度不同的区域，每个区域的Eps根据该区域的密度计算自动获得，并利用DBSCAN算法进行聚类，提升了DBSCAN的精度；避免了DBSCAN在查找密度相连时需要遍历所有数据的不足，从而改善了算法效率。实验表明算法能有效地对多密度数据进行聚类，对各种数据的适应力较强，效率较优。