در این مقاله تکنیک خوشه بندی ارائه می شود که قادر است تاثیر منفی ناشی از ناهنجاری ها را بر مرکز خوشه ها از بین ببرد. در الگوریتم ارائه شده، تشخیص ناهنجاری و خوشه بندی به طور هم زمان انجام می گیرد، به طوری که در حین فرایند خوشه بندی فازی سی میانگین 3 ناهنجاری با کمک میزان پرت افتادگی هر داده تشخیص داده می شود و از مجموعه داده ها حذف می گردد. در این مقاله برای نشان دادن عملکرد الگوریتم خوشه بندی ارائه شده از میانگین سهام 50 شرکت برتر موجود در s&p500 استفاده شده است و در اخرنشان داده می شود روش پیشنهادی عملکرد بهتری دارد.