近年来,光纤光栅阵列传感技术逐渐应用于安防系统中,但光栅阵列伴随着噪声多,容量大、信号信息难获取的特点,使得安防系统的监测受到很大困扰。传统的监督聚类算法,例如DBSCAN,K-means,FCM等聚类算法是依靠相似性去寻找离群点,但这个聚类的过程需要人为干预,耗费大量的时间和精力,甚至无法在大容量数据中达到预期的时效性。因此,传统聚类算法也越来越无法满足越境扰动监测系统的设计要求。本文针对上述问题,以光栅阵列为研究对象,提出了光栅阵列的混合去噪、特征提取以及基于信号特征的方差选择策略,定义了一种自适应参数的无监督AP-DBSCAN聚类算法,并构造流式计算模型,将改进的算法与流式计算模型相结合,提出了一种新的流式无监督的SAP-DBSCAN聚类算法,解决了数据流采集、实时数据分析以及不同人为扰动类型的识别问题。本文的主要研究工作如下:(1)针对多噪声、传输频率高的光栅阵列对数据分析带来的干扰问题,首先,提出了光栅阵列数据的混合去噪方案,同时对光栅阵列进行特征提取;然后,依据信号的多维特征量的方差筛选出重要特征;最后,对所提出预处理策略的准确性进行了实验的验证。(2)针对传统DBSCAN算法无法自适应参数的问题,首先,进行了无监督聚类算法的研究,通过对传统DBSCAN算法输入参数敏感性的改进,避免过多的人为干预,根据预处理后的数据特征值,构建距离矩阵,寻找最优列向量中的极大值进而确定邻域半径Eps;然后,依据所确定的Eps,对每个点Eps邻域内的数据进行泊松分布的参数估计方法得到最小邻域点数MinPt,进而提出基于无监督的自适应输入参数的AP-DBSCAN算法;最后,为了使所提的算法能够适应光栅阵列流数据,达到实时准确性,建立了SparkStreaming流式计算模型,提出了一种流式无监督的SAP-DBSCAN算法。在真实流数据下的实验结果证实了该算法的具有较强的准确性和时效性。(3)将所提出的流式无监督SAP-DBSCAN聚类算法应用于越境扰动监测系统中,基于光栅阵列进行实时越境扰动入侵检测,并通过实验验证了算法的时效准确性。