针对各种扩散模式数据点分布的聚类问题，提出了一种基于密度变化的聚类算法（CDD）。CDD采用基于密度的典型聚类算法（DBSCAN）寻找核心点，通过分析数据样本及其周围点密度的扩散规律，计算密度扩散的方向、速度和加速度，对数据样本进行聚类。实验结果表明：与DBSCAN相比，能准确对扩散模式数据进行聚类，对非扩散模式数据具有抗噪声干扰能力强，参数较易确定的优点。