市场经济未来发展模式是以客户为中心、面向服务的运营模式，其核心是完善的服务保障体系和高效的经营管理策略。企业只有掌握了不同类型客户的消费心理，在市场经营中依据客户具体情况，采取相应措施，建立起良好的客户关系，才能达到增加市场份额，提高利润的目的，为此许多企业建立了自己的客户关系管理(Customer Relation Manage,简称CRM)系统。一个完善的CRM系统包括信息技术管理、业务操作管理、决策支持分析管理、客户合作管理四个部分。数据仓库、在线分析处理(On Line Analysis Process,简称OLAP)和数据挖掘技术已经构成了企业决策支持系统(Decision Support System，简称DSS)的新框架，使DSS进入实用化阶段。作为企业决策支持系统核心技术之一的数据挖掘也得到学术界的广泛关注。数据聚类是数据挖掘研究领域中一个非常活跃的研究课题。在数据挖掘领域中，数据聚类的研究工作主要集中在为大型数据库的有效性和实际聚类分析寻找适当方法。 针对上述问题，作者对聚类分析的计算方法及约束条件进行了深入研究。为实现对大型数据库的数据对象进行有效的聚类分析，通过对现有聚类方法的分析，提出了基于最小聚类单元(Least Cluster Cell,简称LCC)的商圈聚类。其主要思想是在一般的数据挖掘体系结构中引入LCC管理子系统，即将原来的直接提交给用户的挖掘结果LCC保存在单元库中，用户利用关系数据库成熟的接口技术可以方便地构造LCC访问接口，通过接口完成对LCC的各种操作管理，达到在不同挖掘系统之间共享LCC的目的。为共享聚类分析结果及提高聚类分析挖掘效率提供了一种新的途径。为实现对满足约束条件的聚类寻找适当的方法，作者在分析聚类约束条件的基础上，提出运用基于角度相异度的函数划分法处理地理位置的约束条件，用最小生成树聚类分析方法生成满足多项约束条件的聚类，用时间序列预测技术使客户销量约束条件趋于完善。在此思想上提出一组对单元库中的LCC进行处理的商圈聚类划分规则CSPR(Cluster Sowntown Partition Rule)。在LCC基础上利用CSPR，采用Java、ODBC接口，IBM DB2语言及相关技术，实现了商业智能挖掘(Business Intelligent Miner,简称BIMINER)系统商圈聚类的主要功能模块。 最后作者在渝中区烟草分公司数据仓库的实际数据上运行BIMINER系统，对商圈 的界定划分及多维分析报表功能进行了验证，取得了较为理想的效果。由于渝中区烟草 公司实施 MIS系统较早（1996），已经积累了较多的数据，再加上渝中区具有较为复杂 的地理和人文环境，如河流和桥梁、城市单行道、山的座向。客户的销售情况及业务人 员素质等等，因此该实验对验证BIMINER系统具有一定的代表性。实验结果证明了基 于LCC的商圈聚类和对约束条件处理方法的正确性和可行性。对于解决商业、金融业、 地质勘探中类似问题具有一定的理论价值和实际意义。 论文分八章，包括：1、绪论；2、数据仓库构建概述：3、数据挖掘概述；4、聚类 分析概述；5、最小聚类单元（＊＊C）；6、基于＊＊C带有约束条件的商圈聚类算法：7。 BIMffoER系统中基于LCC商圈聚类实现；8、BIMryER系统的商圈聚类实验设计和结 果分析。