一个图书馆的好坏关键取决于该馆图书利用率的高低。目前,提高图书利用率的问题已经越来越引起人们的广泛注意,为了解决该问题,目前已有很多文献从多方面提出了有价值的建议,如管理制度、读者需求、图书剔旧和图书分布等等。本学位论文就图书分布理论结合BP神经网络技术提出了智能化图书分布系统的设计方案,目的是利用该系统去实现图书智能地合理分布,使图书分布结构达到最优结果,从而提高图书的利用率。本学位论文对BP神经网络在图书智能分布问题中的应用进行了研究,主要内容是特征的量化过程和基于BP神经网络的分类学习结合k-fold交叉验证的算法。首先,根据问题的需要选择了一定的图书数据,按照特征提取的一般性原则对这些数据进行了特征提取,并对这些特征进行了量化处理、归一化处理和数据预处理,将被量化的特征转换成供神经网络训练和分类的输入数据。其次,设计了单隐层的三层BP神经网络模型,并提出“重建网络,重新学习”的策略,采用这种策略不但可以确定最佳隐单元节点的个数,还可以确定最佳神经网络。最后,结合本课题的研究内容和神经网络模型,提出了采用将数据进行分类学习并创建神经网络的思路,给出了基于BP神经网络的分类学习算法,并通过k-fold交叉验证的方法验证了所提出算法的合理性、可靠性和有效性。实验结果表明,本系统较好地解决了图书智能分布问题,从应用角度进一步验证了在解决模式识别领域问题时,神经网络技术与理论的优势,并为图书馆的智能化管理进行了有益的技术性探索。