随着信息技术的发展，企业的数据资源呈爆炸式的增长，传统的企业竞争情报系统在数据分析处理中的不足日渐突出。数据挖掘技术的兴起为竞争情报系统的发展提供了新的动力。模糊聚类分析作为数据挖掘的一个重要研究课题，在各个领域得到了广泛的应用，研究模糊聚类分析在企业竞争情报系统中的应用具有重大意义。结合在企业竞争情报系统中的应用，本文对FCM算法(模糊C均值算法)存在的问题做了如下改进：(1)针对FCM算法无法自动得到最佳聚类个数及对初始化敏感、易陷入局部最优的问题，提出了基于K均值和粒度原理的改进FCM算法。同时在基于有效性评判确定最佳聚类数时，针对不同的聚类数c进行FCM聚类都要重新选择初始化聚类中心从而使产生的最佳聚类个数不稳定的情况，提出了合并聚类中心的方法。(2)针对在聚类过程中各维属性特征的贡献不同，提出了基于特征加权的改进FCM算法，该算法利用主成分分析法提取主要特征向量并赋予相应的客观权重，结合给定的主观权重对样本数据进行特征加权，再利用基于K均值和粒度原理的改进FCM算法对加权后的数据进行聚类。最后，在前面研究的基础上，根据所做的项目课题，将改进的FCM算法应用于企业竞争情报系统中，取得了较好的结果。