1.一种根据图书馆读者借阅行为进行图书推荐的方法，其特征在于，包括以下步骤：步骤1、通过前期专家主导的访问系统，结合图书管理权限及采访获取读者借阅集合，作为挖掘样本；

步骤2、对挖掘样本的数据进行预处理；

步骤3、依据图书类型进行聚类，找出读者间的阅读共性，利用k-Means算法，以图书借阅情况为参数划分为四个群组，每个群组表示一种阅读模式；

步骤4、利用GRNN算法建立模型并进行训练，输入读者借阅图书信息，输出聚类的四个群组，对于输出的四个聚类群组分别推荐各自包含的图书。

2.如权利要求1所述的一种根据图书馆读者借阅行为进行图书推荐的方法，其特征在于，所述步骤1以图书馆的读者借阅数据为对象，使用MS SQL Server2008为数据的基础框架，配合Excel工具对数据进行前期预处理，得到与读者借阅集合相关的1000条事务数据，作为挖掘样本。

3.如权利要求2所述的一种根据图书馆读者借阅行为进行图书推荐的方法，其特征在于，所述步骤2具体包括以下步骤：步骤2.1：首先对挖掘样本的数据进行清洗：发现并纠正数据文件中可识别的错误，检查数据一致性，处理无效值和缺失值；

步骤2.2：再对清洗后的数据进行转换：将读者借阅的图书按《中图法》的22个大类进行划分，通过读者对某类图书的借阅预测出相关的图书类型；

步骤2.3：最后对转换后的数据进行集成：将读者借阅图书的历史集合成符合数据挖掘所需的事务数据，每个事务代表读者的一个借阅行为，包含一个唯一的标识和读者借阅各类图书的集合。

4.如权利要求3所述的一种根据图书馆读者借阅行为进行图书推荐的方法，其特征在于，所述步骤3具体包括以下步骤：步骤3.1：依据书籍类型进行聚类，随机寻找四个数据点，作为各个类的初始“质心”，且表示最终分成的四类群组；

步骤3.2：根据“距离中心最近”的原则，寻找与各个对象最为相似的类，将其他对象划分为到各个相应的类中；

步骤3.3：在完成对象的分配之后，针对每一个类，求出所有对象的平均值，作为本群组的新“质心”；

步骤3.4：根据“距离中心最近”的原则，重新进行所有对象的划分；

步骤3.5：返回步骤3.3，直至所有产生的类没有变化为止。

5.如权利要求4所述的一种根据图书馆读者借阅行为进行图书推荐的方法，其特征在于，所述步骤4的GRNN模型训练步骤具体包括：步骤4.1：将1000组样本分成20份数量相同的样本，选取19份进行训练，建立GRNN模型，剩下一份，即50组样本，作为测试样本进行验证，并计算测试结果和真实值的误差均方值；

步骤4.2：设置光滑因子σ取值区间为[0.01，1]，变化步长0.01，逐渐增加；

步骤4.3：重新调整训练样本和测试样本，重复步骤4.1和4.2，如此循环20次，得到各光滑因子对应的20组误差均方值，并求取20组误差均方值的平均值。