基于密度的聚类算法DBSCAN是一种有效的空间聚类算法，它能够发现任意形状的聚类并且有效地处理噪声。然而，DBSCAN算法也有一些缺点，例如，①在聚类时只考虑空间属性没有考虑非空间属性；②在对大规模空间数据库进行聚类分析时需要较大的内存支持和／／O消耗。为此，在分析DBSCAN算法不足的基础上，提出了一种改进的基于密度的抽样聚类（improved density-based spatial clustering algorithm with sampling，IDBSCAS）算法，使之能够有效地处理大规模空间数据库，并且它不仅考虑了空间属性也考虑了非空间属性。2维空间数据的测试结果表明，该算法是可行、有效的。