韩存鸽

(武夷学院数学与计算机系，福建武夷山 354300)

目前，基本上所有的高校图书馆都建立了各自的业务处理系统和图书馆办公自动化系统，这些系统对提高高校图书馆的工作效率、减少重复性工作起到了积极作用，推动了高校图书馆事业的发展。

但是大多数图书馆数据库系统只能对现有数据进行查询、录入和存取等比较简单的操作，不能发现数据中隐藏的关系和规则，不能对图书馆所存数据的潜在信息以及读者的个人信息进行高效的分析，并比较准确地预测其发展趋势，从而导致“数据丰富，但信息贫乏”的局面。本文使用聚类挖掘对武夷学院图书馆管理的流通数据进行分析，给广大师生提供个性化的服务。

1 聚类挖掘基本理论

聚类分析是数据挖掘研究领域中一个非常活跃的研究课题。目前聚类分析已被广泛应用于许多研究领域，包括数据挖掘、图像分割、模式识别、市场研究等领域［1－6］。

1.1 概念及主要算法

所谓聚类就是将物理或抽象的集合分成相似的对象类的过程。簇是数据对象的集合，这些对象与同一个簇中的对象彼此相似，与其他簇中的对象相异［7］。在大多数情况下，一个簇中的对象可以被作为一个组来处理。作为数据挖掘的一个功能，聚类分析能作为一个独立的工具来获得数据分布情况，并观察每个簇的特点，集中对特定的某些簇做进一步的分析。

目前文献中存在大量的聚类算法。比较著名的有 K-MEANS、PAM、CLARANS、BIRCH、CURE、SCAN、OPTICS、CLIQUE CABOSFV 等。各类数据挖掘软件中比较经典的为K-means模型。……