穆荣斌+仲梁维

摘要：随着企业信息系统集成的应用，数据库中积累了大量分散但有效的数据。如何从大量数据中挖掘出有效的决策信息，从而带领企业快速发展，成为企业信息化发展进程中一个至关重要的问题。提出一种基于K-均值聚类算法的数据挖掘技术，并为某制造企业开发了信息系统集成平台，辅助决策者制定合理方案。

关键词：数据挖掘；信息系统集成；K均值算法；聚类算法；BOM系统

中图分类号：TP391

文献标识码：A

文章编号：16727800（2017）004018503

0引言

充分利用企業信息系统集成中所产生的生产业务信息数据成为企业的关键技术，数据挖掘技术则是企业系统中使用的技术之一。数据挖掘指对数据库中的海量数据进行过程复杂的数据分析，从而获得其中隐含信息的过程。根据用户需求，选择比较切合的数据挖掘算法，成为挖掘技术成功的关键。通过研究各种数据挖掘算法，笔者在众多算法中选择了K均值算法作为本文数据挖掘的基础算法。

1K均值算法概述

1.1K均值算法概念

聚类问题是将给定的数据集合D划分成一组聚类：{C1，C2，…}，Ci∈D，使不同种类中的数据尽可能不相似（或距离较远），同一种类中的数据尽可能相似（或距离较近）。聚类是一种无监督的学习，所谓无监督学习指事先并不知道要找的内容，即没有目标变量，它将相似的对象归到同一个簇中[13]。K均值（Kmeans）算法在聚类算法中使用最为广泛。首先根据分类的个数k，随机地选取k个初始的聚类中心，当然这个k值是难以确定的，并把每个对象分配给离它最近的中心，分别得到起始的聚类点。……