图书馆是学习知识的重要场所，馆藏图书数量巨大、类别齐全、质量不一。从中找寻所需的高质量图书，已成为读者借阅图书的迫切需要。现有的图书馆系统中虽然保存了大量的读者信息、图书信息和读者借阅信息，但只是进行简单的统计处理。无法从大量的数据中，获得有用的信息。读者提出个性化的图书需求，迫使图书馆改变服务方式，由被动的来馆借阅到主动的推荐图书。这一服务理念的提出，提高了图书馆的使用率，提升了图书馆的服务水平，是网络时代图书馆发展的新道路。因而，受到了广泛的关注。要完成这转变，就需要采用数据挖掘技术来分析图书馆系统数据，根据已有的借阅记录，预测出可能的借阅行为。已有的图书馆聚类算法中多采用k-means，且处于应用阶段，并未做深入的研究。由于算法本身的设计，聚类效果不佳。和声搜索模糊聚类算法(IHFCM)的提出,较好的解决了算法的初始设置和全局收敛的问题，恰当的用于图书馆个性化推荐中。以下是论文的主要工作：1．分析了图书馆服务中个性化推荐提出的背景、研究意义和图书馆发展的状况。介绍了个性化推荐的目标，需研究的内容和解决的问题，对论文的组织结构进行了说明。详细介绍了聚类算法，分析了图书馆中常用的聚类算法。2．和声搜索算法的改进。针对和声搜索中，固定参数的设置易陷入局部极小，新和声的产生方式影响收敛速度和全局收敛能力。提出了动态参数设置，改进了和声的更新方式，加快了算法的全局收敛。引入经典优化函数进行实验，在解的精度、收敛速度、全局搜索能力和局部扰动能力上取得了较优的效果，具有很强的鲁棒性。3.和声搜索模糊聚类的研究。介绍了算法的原理和实现过程。针对原有评价函数只关注簇内的相似度，改进了算法的评价函数，既关注簇内相似度又关注簇间相似度。采用马尔可夫链对算法进行收敛分析，运用基于维度差异的方法对数据进行加权。引入经典UCI数据集进行实验，验证了算法在收敛时间和聚类效果上更优。详细阐述了聚类算法在个性化推荐中的应用。4.叙述了图书馆个性化系统设计思想、框架结构和各功能模块的任务。详细介绍了系统的实现，以某图书馆数据为例，进行聚类分析，获得各簇的借阅模式，结合读者信息，通过图书喜好度计算，完成了图书推荐的目标。为图书馆的发展提供了可参考的建议。