针对现有的空间向量模型在进行文本表示时忽略词条的位置和词条间关系的问题，提出了一种基于相对密度的多耦合文本聚类算法。在基于相对密度的聚类方法基础上，该算法根据相对密度越小文本相似性越小这一事实，将相对密度转换为文本相似度，融入了传统DBSCAN密度算法，并对核心对象的选取进行了优化。实验结果表明，与改进的K-means文本聚类和改进的DBSCAN文本聚类算法相比，本算法在文本聚类中更高效、聚类质量更优。