数据挖掘,又称数据库中的知识发现,是指从大型数据库或数据仓库中提取隐含的、事先未知的、潜在有用的信息或模式。它融合了数据库、人工智能、机器学习和统计学等多个领域的理论和技术,是数据库研究中的一个很有应用价值的新领域,而聚类分析是数据挖掘中很重要的分析手段。聚类,是按照给定的相似度定义将数据集合划分为若干个聚类簇,使得同簇的数据之间相似度较高而不同簇的数据之间相似度较低的过程。拼车系统数据库中含有丰富的数据和信息,而目前的拼车系统主要局限于实现数据的录入、查询、统计等功能,无法有效地发现数据中存在的关系和规则,而数据挖掘技术可以对拼车系统数据进行更高层次的分析,发现其中隐含的知识。因而从拼车系统的数据库中进行知识发现,为数据挖掘研究提供了一个重要的课题。本文针对拼车系统中数据的特点,引用了一个对数据进行快速聚类的算法,即改进的模糊C-均值算法(FCM),对其增加一个加权值,来减少孤立点对聚类中心的影响;基于隶属度引用一种对手抑制式模糊C-均值聚类算法,理论分析和实验表明:这种算法有效地提高了模糊C-均值聚类算法的收敛速度。本文通过模糊C-均值(FCM)算法在拼车系统中的实现,弥补了拼车系统在分析功能上的薄弱,同时又发挥了拼车系统在图形显示方面的强大功能,并在实际中进行了验证,为数据挖掘和拼车系统整合找到了一种可行的解决方法。