数据挖掘技术从一开始产生就广泛应用于各个行业,如医疗数据分析,审计数据分析、金融数据分析等,并且在这些行业中取得了良好的应用成果。伴随着移动通信的发展,针对客户特点,提供个性化的服务已成为各移动公司的一个重要的服务手段,因此如何发现客户的特性,对具有每种特性的客户采用什么样的服务,利用数据挖掘技术进行客户细分,为决策部门提供支撑服务就成为移动公司的一个重要研究热点。作为数据挖掘中核心技术之一的聚类分析,在移动通信数据分析研究中日益重要。本文在分析传统聚类算法的基础上,提出了一种聚类融合算法。该算法以K-means为基础,利用不同方法得出的K-means聚类结果定义聚类融合成员函数,通过数据对象间的关联性定义共识矩阵获取聚类融合函数,形成基本K-means-CE聚类融合算法,同时通过定义最大互信息对聚类融合结果进行优化,形成优化的K-means-CE聚类融合算法。本文将两种方法在公共数据集上进行了相应的实验,实验结果表明该融合算法比单一算法更为优越。本文以移动通信客户细分为例,利用K-means-CE算法对移动客户数据进行分析,形成各具特点的客户群,并提取客户群的特征。同时以套餐优化为例,说明客户细分后各个套餐与客户的对应关系,进而分析哪种套餐适合哪种客户群。通过移动公司的综合应用,该方法在实际应用中取得了良好的应用效果,在实际生产中发挥了实际生产效应。