密度聚类算法是一种基于样本分布的聚类算法，该算法可以更好地处理噪声和数据分步不均匀的情况。但目前密度聚类算法在处理大规模数据集时存在效率低下、聚类数目难以确定等问题。本文对密度聚类算法进行了改进与优化，基于数据集特性构建不同的距离阈值和邻域大小，通过降维和分布式计算等手段提高算法的效率，同时使用基于信息熵的方法确定聚类数目。实验结果表明，改进后的密度聚类算法在处理大规模数据集时具有更好的效率和精度。