聚类分析算法在图书管理系统中的应用研究

论文摘要

数据挖掘是2 0世纪末兴起的数据智能分析技术,它可以从数据库、数据仓库以及其它各种数据库中的大量数据类型数据中,自动抽取或发现出有用的模式知识。在这一过程中,对聚类分析是数据挖掘领域研究的重要课题。而在图书管理这样庞大的数据管理系统中,每天、每月、每年都会产生大量的统计数据和表单。而聚类分析就是将数据合理归类的一种方法,其目的是把相似的东西归为一类,使得类内具有较大的相似性,而类间具有较小的相似性。因此本文将k-means聚类算法应用于图书管理系统中,面对这些海量数据,研究如何将它们合理归类。首先,本文简要介绍了数据挖掘的基本理论,接着描述了聚类的含义以及针对不同数据类型的差异度计算,然后列出了数据挖掘中现存的几种有代表性的聚类算法的思想以及它们的优缺点,最后重点描述了K-means算法,以及该算法的基本思想和原理。然后,详细介绍了图书管理系统的分析设计与实现,图书管理系统中主要功能包括:图书的添加、查询、浏览、删除和修改管理以及相关的图书用户的管理,这样可以方便图书管理员对庞大信息进行管理,本文采用JAVA语言作为开发工具,使用ACCESS 2003数据库作为存储数据库,来实现图书管理系统的功能。最后将典型的k-means聚类算法应用于图书管理系统,对图书进行聚类分析,应用效果良好。此系统以图书管理系统中的历史借阅记录、读者信息库为基础数据来源,用k-means聚类算法对读者的院系特性、性别特性和年级特性分别进行聚类分析,然后按图书使用率将图书使用情况分为高、中、低3类,最终得出聚类结果。聚类结果表明,图书馆采购部门应根据现有的图书适当购进一些社会、言情小说,惊险、推理小说,英语读物,英语基本词汇、英语会话图书、英语考试图书,英国短篇小说,散文类图书,计算机程序语言和网络类等图书来满足不同学生读者的需求。聚类结果在一定程度上能够指导图书馆采购部门及时补充图书,以满足读者对图书的需求。

论文目录

• 摘要
• ABSTRACT
• 绪论
• 第一章 数据挖掘聚类分析
• 1.1 数据挖掘概述
• 1.1.1 数据挖掘概念
• 1.1.2 数据挖掘基本任务
• 1.1.3 数据挖掘基本技术
• 1.1.4 数据挖掘基本过程
• 1.2 聚类分析概述
• 1.2.1 聚类分析概念
• 1.2.2 聚类分析原理
• 1.2.3 聚类分析标准
• 1.2.4 聚类准则函数
• 1.3 聚类划分及算法
• 1.3.1 聚类划分方法
• 1.3.2 典型聚类算法
• 1.3.3 算法的比较
• 1.4 K-MEANS 聚类算法
• 1.4.1 算法思想
• 1.4.2 算法流程
• 1.4.3 算法优缺点
• 本章小结
• 第二章 系统分析
• 2.1 可行性分析
• 2.1.1 技术可行性
• 2.1.2 经济可行性
• 2.1.3 操作可行性
• 2.1.4 可行性分析报告
• 2.1.5 具体研究信息
• 2.2 需求分析
• 2.2.1 功能需求
• 2.2.2 性能需求
• 2.2.3 数据流图
• 2.2.4 数据字典
• 本章小结
• 第三章 总体设计
• 3.1 系统代码构架
• 3.2 数据库格式设计
• 3.2.1 数据库的需求分析
• 3.2.2 数据项的描述
• 3.2.3 数据库逻辑结构设计
• 本章小结
• 第四章 详细设计与实现
• 4.1 总体界面设计
• 4.1.1 系统类代码设计
• 4.1.2 登录页面
• 4.1.3 系统首页
• 4.2 系统管理子系统
• 4.3 书籍管理子系统
• 4.4 借书管理子系统
• 4.4.1 书籍出借页面
• 4.4.2 修改书籍出借信息页面
• 4.5 还书管理子系统
• 4.5.1 书籍还入页面
• 4.5.2 修改书籍还如信息的页面
• 4.6 信息一览子系统
• 4.6.1 书籍列表页面
• 4.6.2 借阅情况页面
• 4.6.3 用户列表页面
• 本章小结
• 第五章 实例研究－K-MEANS 聚类算法在图书管理系统的应用
• 5.1 数据准备
• 5.1.1 用户借阅表
• 5.1.2 读者记录
• 5.1.3 书目信息
• 5.2 数据处理
• 5.3 时间特性的聚类挖掘
• 5.4 读者特性的聚类挖掘
• 5.4.1 读者院系聚类
• 5.4.2 读者性别聚类
• 5.4.3 读者年级聚类
• 5.4.4 特性综合聚类
• 5.5 结果分析
• 5.5.1 时间聚类结果分析
• 5.5.2 读者聚类结果分析
• 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢