为了提高辨识稳定图中真实模态的准确性与自动化程度，首先，从稳定点定义方式的角度论述了聚类算法效果欠佳的原因，并采用异阶系统非等权重的定义方式输出稳定点；其次，基于数据挖掘思想，采用改进的辨识聚类结构的有序点（ordering points to identify the clustering structure，简称OPTICS）算法自动清洗稳定点集，通过遍历性搜索的方式确定输入参数；然后，提出结合度矩阵去噪的自适应局部密度谱聚类（local density adaptive spectral clustering，简称SC-DA）算法分析稳定点集，并以簇中值作为模态参数的代表值，实现模态参数的自动化识别；最后，将含有密集模态的外滩大桥作为识别对象进行试验验证。试验结果表明：所提出方法具有较高的精度，与频域分解（frequency domain decomposition，简称FDD）法的频率结果最大相差仅为0.012 3 Hz，且在线识别的准确率达到82.86%，显著高于基于层次聚类的自动识别方法，实现了无人工干预下模态参数的自动、准确识别，具有一定的工程应用前景。