“62.5万部优酷、土豆视频被观看”、“App Store上已有51,000个app被下载”,这些数字指标表明我们进入了海量数据时代。大幅增长的数据带来无限商业发展机会的同时,也使得“信息过载”愈演愈烈。在海量信息和数据中挖掘对用户有价值的信息,成为各大主流平台应用的主打功能。推荐系统正是具备此功能的有效工具,其中起关键作用的就是推荐算法。目前,推荐算法及系统己经在众多电子商务网站、视频网站以及个性化广告等领域得到了广泛的关注和应用,并带来了巨大的经济利益,但仍然面临着数据稀疏性、精确性与多样性难以调和等诸多难题和挑战。粒子群优化算法,又称微粒群算法,是近些年来群体智能计算领域发展起来的一种生物启发式优化算法。一易实现,二收敛快,三预设参数少,粒子群算法在实际应用方面中展示了其适用性和高效性。本文首先分析了粒子群优化算法的基本原理和特点,总结了其存在的不足,结合模拟退火思想,提出了一种融合模拟退火的粒子群算法(SA-PSO);其次研究了半监督聚类算法的思想和原理,并提出了一种基于SA-PSO的半监督聚类算法;最后将改进聚类算法合理应用到个性化推荐上,提出了一种改进的推荐算法。在此基础上搭建了一个音乐个性化推荐的原型平台,一定程度上验证了该改进算法的可行性。