针对基于密度的DBSCAN算法对于输入参数敏感、无法聚类多密度数据集等问题，提出了一种贪心的DBSCAN改进算法（greedy DBSCAN）。算法仅需输入一个参数MinPts，采用贪心策略自适应地寻找Eps半径参数进行簇发现，利用相对稠密度识别和判定噪声数据，在随机寻找核对象过程中使用邻域查询方式提升算法效率，最终通过簇的合并产生最终的聚类结果。实验结果表明，改进后的算法能有效地分离噪声数据，识别多密度簇，聚类准确度较高。