社会信息化发展越来越快,信息数据越来越多,数据库技术突飞猛进,面对人们对信息的高要求,数据挖掘技术研究倍受关注,而聚类分析作为数据挖掘研究的重要内容之一,也成为研究热点之一。聚类分析的直接目的就是将数据集划分为有价值的分组,为人们解决问题提供信息支撑,而在海量数据中,数据集的类型,分布形状等多种多样,这对聚类分析提出了更高的要求。从以往国内外研究文献来看,对单一算法的研究已经很多,面对实际应用的高需求,单一算法出现的问题也越来越多,聚类融合研究逐渐成为新的热点,而对于聚类融合的研究多侧重于融合所有聚类成员,而对于聚类成员的选择研究较少。基于聚类分析这一研究现状,本文主要研究对聚类成员选择和加权的聚类融合算法,并对其在移动通信企业中的应用进行了尝试。本文对已有聚类算法和聚类融合算法进行了研究和分析之后,针对其不足提出了一种选择性加权聚类融合算法。该算法通过对聚类成员差异度和精确度的计算来选择高质量的聚类成员,其中,精确度计算的关键技术是参照物的获得,通过引入两两融合技术生成融合集合来生成参照集合,并采用基于属性加权的聚类成员加权方法,即把每个聚类成员转化为原数据的每个属性,通过属性加权的方法来进行聚类成员的加权。通过实验表明,该算法能有效处理聚类成员的质量差异,比同聚类融合能得到更好的聚类结果,并且具有较好可扩展性。本文最后将选择性加权聚类融合算法应用在移动经营渠道管理上,通过对用户在渠道上的消费行为、渠道服务数据、销售数据等运用数据挖掘技术,针对渠道集群分析了渠道的服务能力、销售能力、客户类型等,从而得到对渠道管理有帮助的渠道信息。实验验证了该算法的有效性。