如今，数据采集和存储技术的发展使得许多数据库的数据量极其庞大，要从中分析有价值的信息、知识变得越来越困难，而这种分析需求却与同俱增。数据挖掘就是从海量数据中发现那些隐藏的、人们感兴趣的具有特定规律的信息，是一种发现知识、提取有用信息的过程，这些信息可以用来预测和决策。　　 高校图书馆与教师教学工作相辅相成的，在教书育人工作中起着不可估量的作用。同时，图书馆还可以帮助学生构建合理的知识结构，提高自学、使用信息和终身学习的能力。然而，国内数据挖掘应用于图书馆的研究，还大多是对图书馆读者行为和群体关系进行研究，没有真正运用到实际生活中。高校图书馆馆藏丰富，图书馆中数据量大，然而，数据库中的数据一直没有被充分利用，资源利用率低、信息开发不足。　　 本文使用SAS数据挖掘软件开展数据预处理和挖掘工作，在传统的高校图书馆管理系统中增加聚类算法和关联规则算法，实现读者群体划分的聚类，发现读者借阅信息之间的关联性。主要工作与成果有以下几点：　　 (1)总结目前国内高校图书馆管理现状，分析其存在的缺陷和不足，并简要分析数据挖掘技术运用到高校图书馆综合管理中的必要性。　　 (2)收集和整理图书馆中读者信息、借阅信息和馆藏信息等数据，确定数据挖掘目标，对数据进行清洗、空缺值填补和噪声数据剔除等预处理操作，根据需要将数据格式进行转换并导入到SAS和SQL Server2000中，为后续挖掘工作的开展准备数据。　　 (3)将SAS/EM模块作为本文数据挖掘的分析工具，建立聚类分析模型，实现读者群体聚类划分；建立关联规则分析模型，挖掘出读者借阅数据关联规则，为下一步实现图书推荐提供数据基础。　　 (4)在高校图书馆管理系统中增加数据挖掘功能，增加聚类分析和关联规则分析模块。聚类分析模块实现读者聚类和图书聚类，关联规则分析挖掘读者借阅图书的关联规则，实现图书推荐工作，从而提高图书馆的工作效率，改善图书馆的建设，为图书馆管理人员提高决策支持，帮助普通工作人员向信息专家转型。