随着全球信息化、数字化的不断发展,互联网所带来的商机越来越大,也越来越广泛的渗透到各行各业。互联网所产生的巨大商业价值使得电子商务网站层出不穷,互联网交易数量也每年呈火箭式上升状态。随着电子商务网站及其交易量的增多,所产生的问题也在不断增加,上到政府下到民众对其的诟病也越来越多,越来越严重。而在这些被人们所诟病的问题中,遭到讨论最多,也是最亟需解决的就是电子商务网站的信用评级问题。在用户面对成千上万的商户和商品时,现有的电子商务信用评级方法无法让用户根据自己的需求直接寻找到拥有高质量商品的可信任商户进行交易,原因在于现有的电子商务评级只是简单的信息罗列,没有进行深入的数据挖掘,用户难以通过这些信息直接判断出商品质量与商户信用的优劣。为了解决这些问题,近年来不少研究者都在尝试改进现有的评级方法,也引入了不少新的算法。在这种背景下,电子商务评级方法成为当前的研究热点。聚类算法是对数据进行有效分类的数据挖掘算法,能够解决电子商务信用评级方法中存在的问题,但聚类算法在大数据量下迭代次数多,时间长,在电子商务的网络环境中应用有一定的障碍。因此,将聚类算法引入到电子商务评级方法中是具有研究价值和实际意义的。首先介绍了信用评级思想的发展历史和概念的由来,并介绍了信用评级方法目前的研究概况和在实际应用中存在的一些问题。然后通过对各类大型电子商务网站信用评级方法的分析,对这些方法的特点总结归纳,确认了这些方法的共同点及问题。接着分析了几种常见的信用评级中的聚类算法,也指出了这些算法在实际应时所存在的问题。最后上述分析和总结的基础上,提出了采用一致性检验和Daniel平稳性检验进行优化,基于价格权重的FCM算法,同时将信用趋势预测融入到电子商务信用评级方法中。通过在电子商务系统中进行实际应用,证明在同一数据集下,方法中FCM算法所用时间和错误率与单独采用传统FCM算法相比有明显的减少,同时方法也在一定程度上解决现有电子商务及其信用评级方法中存在的问题。