针对模糊c均值聚类算法仅能处理低维数据不能处理稀疏高维数据集的缺点和对初始中心点敏感,容易陷入局部最优且不考虑类别间的相互影响的缺点,本文提出可扩展增量单通模糊c+l聚类算法(spHF(c+l)M),增量在线模糊c+l聚类算法(oHF(c+l)M)和随机抽样加扩展c+l聚类算法(rseHF(c+l)M)。首先采用一种新的初始中心点选择方法,确保了初始中心点选择的多样性,然后在模糊c均值聚类中使用条件模糊聚类思想考虑类别与类别间中心点的相互影响,并将传统FCM算法中的欧氏距离改进为基于加权余弦距离HFCM算法,提出新的wHFCLM算法,最后将wHFCLM算法与可扩展增量聚类算法spFCM, oFCM和rseFCM算法相结合。实验表明,与传统增量spFCM算法,oFCM算法和rseFCM算法相比,本文算法对初始中心点的选择相对不敏感,能更好地处理大规模高维稀疏数据集,且在合适的分块大小下,比其他非增量算法具有更优的聚类性能。