1、圖書館是學習知識的重要場所，館藏圖書數(shù)量巨大、類別齊全、質量不一。從中找尋所需的高質量圖書，已成為讀者借閱圖書的迫切需要?，F(xiàn)有的圖書館系統(tǒng)中雖然保存了大量的讀者信息、圖書信息和讀者借閱信息，但只是進行簡單的統(tǒng)計處理。無法從大量的數(shù)據中，獲得有用的信息。讀者提出個性化的圖書需求，迫使圖書館改變服務方式，由被動的來館借閱到主動的推薦圖書。這一服務理念的提出，提高了圖書館的使用率，提升了圖書館的服務水平，是網絡時代圖書館發(fā)展的新道路。因而，受

2、到了廣泛的關注。
　　要完成這轉變，就需要采用數(shù)據挖掘技術來分析圖書館系統(tǒng)數(shù)據，根據已有的借閱記錄，預測出可能的借閱行為。已有的圖書館聚類算法中多采用k-means，且處于應用階段，并未做深入的研究。由于算法本身的設計，聚類效果不佳。和聲搜索模糊聚類算法(IHFCM)的提出,較好的解決了算法的初始設置和全局收斂的問題，恰當?shù)挠糜趫D書館個性化推薦中。以下是論文的主要工作：
　　1．分析了圖書館服務中個性化推薦提出的背景、研究意

3、義和圖書館發(fā)展的狀況。介紹了個性化推薦的目標，需研究的內容和解決的問題，對論文的組織結構進行了說明。詳細介紹了聚類算法，分析了圖書館中常用的聚類算法。
　　2．和聲搜索算法的改進。針對和聲搜索中，固定參數(shù)的設置易陷入局部極小，新和聲的產生方式影響收斂速度和全局收斂能力。提出了動態(tài)參數(shù)設置，改進了和聲的更新方式，加快了算法的全局收斂。引入經典優(yōu)化函數(shù)進行實驗，在解的精度、收斂速度、全局搜索能力和局部擾動能力上取得了較優(yōu)的效果，具有很

4、強的魯棒性。
　　3.和聲搜索模糊聚類的研究。介紹了算法的原理和實現(xiàn)過程。針對原有評價函數(shù)只關注簇內的相似度，改進了算法的評價函數(shù)，既關注簇內相似度又關注簇間相似度。采用馬爾可夫鏈對算法進行收斂分析，運用基于維度差異的方法對數(shù)據進行加權。引入經典UCI數(shù)據集進行實驗，驗證了算法在收斂時間和聚類效果上更優(yōu)。詳細闡述了聚類算法在個性化推薦中的應用。
　　4.敘述了圖書館個性化系統(tǒng)設計思想、框架結構和各功能模塊的任務。詳細介紹了系