随着信息技术的飞速发展以及信息获取的便利，人们已经被大量的信息淹没。如何从信息的海洋中提取出人们感兴趣的知识，完成特定的任务成为一个迫切需要解决的问题。基于这样一种需求，用来帮助用户从这些海量数据中分析出其间所蕴涵的有价值的模式和知识的技术——数据挖掘就应运而生了。聚类分析是数据挖掘中一种很重要的技术，对它进行深入研究不仅有着重要的理论意义，而且有着重要的应用价值。通过在企业竞争情报系统中的应用，本文对DBSCAN算法不足的地方进行了改进，主要有以下两点：(1)在对种子对象进行类的扩展的时候，如果此种子对象不是核心对象，但是其邻域中对象的数量接近MinPts，我们可以将此种子对象邻域中的对象归到此类中。通过实验比较，我们将这个界限值定位为0.85MinPts。(2)当我们在核心对象的邻域中选择代表对象的时候不会引起对象的丢失，但是当对种子对象进行扩展的时候，就会有丢失。我们选择距离核心对象较远的对象作为种子对象。本文的算法中选择0.95ε~ε之间的对象作为种子对象。最后，本文在前面理论研究的基础上，结合所做的项目课题，将改进后的DBSCAN算法应用到企业竞争情报系统中，取得了良好的效果。