基于粗糙集与模糊集理论的图书馆最优选书算法

发布日期：2012 年11 月11 日

预览
摘要

本内容试读结束

下载后可阅读完整内容，立即下载

：本文将粗糙集理论与模糊集理论结合起来，给出一种图书馆最优选书算法。该算法首先从已知数据的初始信息系统出发，计算各选书方案之间的相似度，从而构造相似矩阵，然后根据相似矩阵的传递闭包对各方案进行聚类，并根据粗糙集理论求各属性重要性，最后利用加权综合的思想及最小距离方法选择最优买书方案。

图书馆是社会公众文化领域的主阵地，是社会知识信息的存储、咨询中心，也是弘扬社会主义精神文明主旋律的重要载体。随着科技的发展，图书馆不仅在数量上需要增加，而且图书种类也须向多样化发展，图书馆的价值不再仅仅以其所拥有的馆藏图书的数量来衡量，而是以它为用户提供各种形式的信息的能力和质量来衡量。在这种新形式下，图书馆在选书决策时，如何利用目前有限的人力、经费资源，而又使所做决策符合读者阅读或参考，从而为广大读者提供高质量的服务，是目前图书工作者需要认真研究和解决的一个重要课题。

在实际过程中，由于影响选书决策的因素很多，且大多数具有模糊性与不确定性，所以在处理这类问题时，可以结合不确定性理论。本文就是基于这种想法，结合粗糙集与模糊集这两种不确定性理论，给出一种图书馆最优选书算法。