随着现代信息网络技术的飞速发展，电子商务作为经济活动的一个新热点，正在影响着整个社会的经济运行结构。电子商务的系统开发平台和解决方案同渐成熟，数据挖掘技术作为电子商务系统的重要应用技术之一，将为电子商务公司的商业决策提供强有力的支持。 本文主要研究了数据挖掘的相关算法及其在电子商务平台中的应用。论文以数据挖掘算法的研究作为核心，结合电子商务平台的特点深入讨论了面向属性归纳法和神经网络预测技术以及它们在现实面向电子商务的数据挖掘系统中的实现。论文的主要内容与研究成果有以下几个方面： (1) 简单介绍了数据挖掘的概念、功能和挖掘的一般过程。分析了电子商务平台的特点，以及面向电子商务的数据挖掘系统的设计。 (2) 对传统面向属性归纳算法改进，根据电子商务网站的销售数据不断更新的特点，将增量式挖掘思想应用到面向属性归纳里。每次进行概化时增量地更新挖掘的结果，而不是对总的数据库更新重新进行挖掘，减少了算法的搜索空间，提高了系统运行的效率。 (3) 在已有研究的基础上，针对标准BP学习算法收敛速度慢、存在局部极小点等缺点，探索了一种改进的BP算法。该算法根据训练误差改变转移函数的陡度因子并且对学习步长作自动调节。 (4) 结合电子商务平台中物流配送点的库存预测问题，讨论了神经网络模型设计的一些基本方法，如训练样本的选择和预处理、预测的时间序列、网络训练时使用样本的方法等。 (5) 通过深入学习和研究，在总结实际项目开发经验的基础上，尝试将电子商务中的商业逻辑与数据挖掘功能平滑集成，形成简单易用的数据挖掘系统。介绍了该数据挖掘系统的一些功能及商业价值，并分析了改进后的面向属性归纳算法及神经网络预测技术对系统的优化作用。