图书快速上架流通的方法及赔偿

在图书管理的实际工作中，读者因损书、丢失图书而赔偿的情况较为常见，这些书一般是读者比较喜欢、借阅率较高的图书。赔偿后的图书的补做工作按常规是由采编部处理后才能上架。但由于一些客观原因，造成赔偿的书不能及时上架流通，影响了读者的借阅及资源的共享。为了提高图书馆的馆藏利用率，减轻采编部的工作负担，作者认为以下方法能较快捷的将赔偿的图书补做后再与读者见面。     

图书信息检索中读者兴趣偏好挖掘模型的建立仿真

针对传统挖掘模型对图书信息检索中读者兴趣偏好数据进行挖掘时,存在的挖掘效率低、耗时长等问题,提出基于聚类分析的读者兴趣偏好挖掘模型.采用分类索引分布树法对图书相似度与读者兴趣距离进行计算,通过兴趣因子对兴趣偏好度进行度量,并以此为基础,采用相关反馈模型Rocchio算法对读者兴趣图书检索进行扩展,引入聚类分析法建立图书信息检索中读者兴趣偏好挖掘模型.实验仿真结果表明,采用改进模型时,其挖掘效率、时间及误差均优于传统模型.     

高校图书馆借阅数据的关联规则挖掘研究

为了向读者提供图书推荐的个性化服务,阐述了使用数据挖掘技术为高校图书馆的业务管理工作提供决策参考的设计思想及实现过程,并完成了图书馆关联规划挖掘系统的设计与实现。本文采用一种改进的Apriori算法对图书馆学生的借阅历史数据进行挖掘分析,得到了很多关联规则,以从中发现读者对资源的借阅模式,为图书馆信息服务、信息资源采集提供了科学决策的有效方法。     

基于蓝牙技术的高校图书馆开架式流通管理方案设计

开架借阅已经成为高校图书馆为读者提供借阅服务的主要方式,然而随之而来的图书乱架现象却给读者找书带来了极大的困难．尽管无线射频技术（RFID）在国内外高校图书馆已有应用,该技术具有方便图书排架、方便查找图书,同时还可以实现自动借阅与归还图书,甚至可以做到无人值守的管理方式,但是目前尚不具备在各类高校图书馆推广的条件,为此给出一种基于蓝牙技术的开架式流通管理方案,能够在较少增加工作量和投资的情况下,准确快速地将图书排架号录入计算机,真正实现读者按号索书的要求,从而解决读者找书难问题．     

我校学生借阅图书情况的调查分析

校内图书的借阅对象,主要是教师和学生,做好学生服务工作是搞好图书流通服务的重要一环.因此,我们有必要了解学生的阅读兴趣所在,有必要研究学生的借阅心理,以便使各类图书得到更充分的利用,使图书的教育职能得到有效的发挥.在此,笔者就学生借阅情况的调查结果,浅析学生的阅读心理与需要,以便采取有效措施,以提高服务质量.1 各类图书的借阅情况大学生读者,由于年龄、性别和爱好的差异,有不同的阅读兴趣,在借阅过程中,表现出不同的阅读倾向.我校是一所高等工程类院校,库藏书除大部分是教学科研用书外,还有一部分是供学生课外阅读的社科书籍,为了切实了解大学生读者对图书的借阅情况,我们在1994年做了一次调查,调查结果如下.     

基于混合聚类的个性化推荐算法

针对传统协同过滤算法存在的数据稀疏性问题,提出了一种基于聚类技术的推荐算法。该算法将SOM与K-means技术相结合对图书资源进行聚类,缩小了需要预测的图书资源数目和最近邻居的搜索范围,达到了为读者提供符合其偏好特征的图书资源的目的。实验结果表明,改进后的算法较好地解决了数据稀疏性问题,提高了推荐系统的推荐质量。     

增大图书馆自然科学图书流通量之管见

通过对所在学校图书馆自然科学图书流通情况的调查,分析了高等工程专科学校读者借阅科技图书的现状,提出了读者在图书馆练兵的重要性及必要性,并对流通部门如何增大流通量而减少拒借率、提高工作人员素质、促进办好学科特色图书馆等问题作了初步探讨。     

增大图书馆自然科学图书流通量之管见

通过对所在学校图书馆自然科学图书流通情况的调查，分析了高等工程专科学校读者借阅科技图书的现状，提出了读者在图书馆练兵在重要性及必要性，并对流通部门如何增大流通量而减少拒借率，提高工作人员素质，促进办好学科特色图书馆等问题作了初步探讨。     

Apriori算法在馆藏推荐服务中的研究与应用

为做好馆藏推荐服务的工作,提高推荐书目的准确度,本文采用关联规则挖掘技术和改进的Apriori算法对图书馆自动化系统的流通数据进行分析,从读者的借阅史中得到图书间的关联关系,以此为相似读者推荐图书。本文还分析了影响推荐准确度的主要因素,并提出了改进对策。     

"好书推荐"在高职院校阅读推广中的成效及启示 ——以昆明冶金高等专科学校图书馆为例

"好书推荐"是图书馆向读者推荐优质图书,引导读者借阅优质图书,提高优质图书的借阅率的阅读推广方式之一。昆明冶金高等专科学校图书馆从高职院校学生的特点出发,结合学校的办学特点,依托微信、校园网和学校办公平台等技术平台,开展了对馆藏图书进行阅读推广的"每周好书推荐"活动。自推出以来,受到了全校师生读者的关注与支持,所推书目借阅量也得到了提升,部分图书在实际教学中得到了运用。通过统计推荐书目的借阅量和关注量,分析读者的借阅倾向,探讨在高职院校中,如何促进书目推荐活动在阅读推广中的成效,以达到为读者找好书,为好书找读者的目的。     

高校图书馆复本量算法初探

<正> 本文所探求的复本量是指某种书在其使用阶段内,它的每个读者都能按借阅期限的规定先后借阅到所需要的合理册数。简言之,就是指某种书既能满足该书读者需要又小于读者人数的适中数量。某书复本量小于其读者人数,这就意味着只少有一本书必须在其读者中间周转。当读者人数一定时,一本书在其使用阶段内的周转人数与复本量成反比。写成式子如下:     

基于SOM神经网络的半监督分类算法

为提高半监督分类的性能,提出一种基于SOM神经网络的半监督分类算法SSC-SOM。结合SOM的聚类特性,基于先聚类后标记的思想,充分利用有标记样本和未标记样本训练SOM分类器;将聚类的形成和有标记样本分配到各个聚类中同时进行,并根据有标记样本计算各个聚类的聚类中心;在整个未标记样本的范围内,根据聚类中心,使用K近邻算法对未标记样本进行标记,挖掘未标记样本的隐含信息。在UCI数据集中进行分类实验,其结果表明,SSC-SOM的分类率比SSOM提高2.22%,且收敛性较好。     

图书馆开架借阅相关问题的思考

所谓开架借阅,就是向读者开放书库,让读者直接到书架前选择图书,然后,按正常手续办理借阅。我校在两年前实行了全方位的开架借阅方式,使读者充分利用馆藏,迅速传递信息,使图书馆在教学科研活动中发挥了积极的作用。 1 开架借阅的必要性及基本做法 图书馆在高等学校中所起的作用是相当重要的,它对提高学校的教学质量和科研水平起着非常重要的作用。做为高校图书馆,必须掌握时代的脉膊,传播最新知识,为广大师生接触知识、获取知识、吸收知识提供良好服务,如何给读者创造良好的借阅环境,满足读者对图书的一切要求,是图书馆界多年来不断探讨解决的问题。而开架借阅是图书馆服务工作的一项重大改革。它达到了“读者第一”、“给读者所有的书”、“一切为了读者”的目的。     

基于图书借阅h指数的读者需求分析

针对各高校图书馆的生均借阅量和利用率均呈下降的趋势,以上海电力学院图书馆2016年读者借阅数据为例,采用h指数这一分析指标,分析年度h指数及各类图书h指数、高h指数学科分布,了解读者对馆藏资源的变化需求,从而为提高馆藏图书利用率、优化馆藏结构提供参考。     

电力用户负荷模式识别方法研究

区别于传统按行业分类的负荷分析方法,利用FCM聚类、ID3决策树等数学工具建立了基于聚类与决策树结构分析的负荷模式识别方法.通过对某地区所属8个行业的239个用户的日负荷数据进行了负荷特性指标计算、类别判断与挖掘、聚类评价、分类知识解释等综合分析,验证了方法的正确性.     

基于协议分析的并行聚类入侵检测模型

模糊P均值聚类（FCM）的算法是在硬P均值算法（HCM）发展而来的,虽然改进了硬产均值算法的聚类效果,但带来了时间复杂度的增加．提出了一种基于协议分析分类的并行入侵检测模型,根据协议分析将大的数据集进行分类。构成不同的数据集,先对各个数据集进行FCM聚类。然后对每个FCM聚类的结果再次进行FCM聚类．构成并行处理系统．采用协议分析技术结合高速数据包捕捉、协议解析等技术来进行分布式入侵检测,可以提高入侵检测的速度．     

彩色图像数据库中目标特征数据挖掘方法

针对由于彩色图像数据特征较多使得目标特征挖掘容易出现不确定性的问题,提出一种新的彩色图像数据库中目标特征数据挖掘方法.采用减法聚类算法对彩色图像数据进行聚类,采用离群点检测技术对聚类数据进行分类处理,采用量子行为粒子群优化方法选取最优目标图像特征数据,并与结构相似度计算方法相结合,实现对最优目标图像特征数据的挖掘.结果证明,该方法相比传统的挖掘方法,其挖掘召回率降低了约17%,挖掘精确度提高了约28.6%.     

基于K-Shape的时间序列模糊分类方法

时间序列分类是数据挖掘中的重要主题,现有的大部分时间序列分类方法较少考虑到序列形状对分类结果的影响。该文提出了一种基于k-shape的时间序列模糊分类方法。该方法通过使用k-shape聚类算法对时间序列训练数据集各类别的成员进行聚类,获得各类别的聚类中心并形成聚类中心群,将每个类别的聚类中心群作为时间序列数据模糊分类的初始聚类中心,根据隶属度最大原则确定测试时间序列数据的类别标签。在30个时间序列公开数据集上的分类实验结果表明,该方法相较于SVM、Bayes、EAIW和TLCS这4种分类算法具有更好的分类性能,对具有扭曲和位移特征的时间序列数据分类有更好的可用性。     

一种基于数据挖掘的图书荐购模型研究

针对高校图书馆图书荐购无法满足读者需求的问题,设计了一种基于读者行为数据挖掘的高校图书荐购模型,该模型包括挖掘活跃书籍和匹配荐购书单两个过程。提出了一种基于改进的kmeans算法的活跃书籍挖掘方法,该方法通过设置可调节的阈值来确定样本集中的噪声点,然后再根据最大距离法选取样本的初始聚类中心,最后基于该算法得出活跃书籍。实验证明:相比传统k-means算法,改进的k-means算法在活跃书籍挖掘过程中稳定性好、准确率高,满足了高校图书馆图书荐购的需求。     

应用于服装号型定制的妊娠期妇女体型分类研究

为了探索妊娠期妇女体型更为合理的分类方法,随机抽取湖南地区250名孕妇的体型数据进行分析探讨。 基于妊娠期妇女的体测数据,利用SPSS软件对体型数据进行主成分分析,依据累积贡献率的大小选取不同主成分 的因子得分作为聚类指标进行K-means聚类分析。将孕妇体型聚类为4类,并给出了聚类的方差分析和体型对照。 结果表明选取特征值在1.0左右、累积贡献率在80%左右的主成分因子得分实施聚类,所得孕妇体型聚类的效果较 好,分类较为细化,可以为孕妇服装号型定制提供参考依据,以此提高孕妇服装的合体性。