随着信息网络技术的飞速发展，如何对规模庞大的网络数据准确高效聚类并合理应用显得尤为重要。虽然模糊C均值聚类算法（FCM）已具有良好的聚类效果，但其对初始化敏感，在处理高维大规模网络数据时易陷入局部极值问题还未被完全克服。为了解决这两个问题，提出一种分布熵和平均位距改进的自适应蝙蝠算法，利用该算法对模糊C均值的参数进行优化。在此之上，将自适应蝙蝠算法优化的模糊聚类应用于异常检测领域，提出了一种自适应蝙蝠算法优化的模糊聚类异常检测算法。理论分析和仿真实验表明，与前沿的粒子群优化FCM异常检测算法和FCM异常检测算法相比，该算法具有更好的聚类效果和检测性能。