近年来，我国旅游业发展迅速，旅游已成为国民经济发展中的一个重要因素，特别是对于像贵州省这类旅游资源丰富、少数民族聚居的地域。随着旅游资源不断丰富，人们对于旅游服务和旅游信息的需求日益增加。许多有出行计划的游客，因为本身旅游经验不足，不能很好地了解自身需求，面对庞大的旅游资源，在选择旅游资源时存在很大的盲目性和随意性。同时，旅游机构迫切需要提高旅游服务质量，如果能更好地为游客推荐各类旅游信息，辅助制定旅游计划，无疑会增加企业的竞争力和经营业绩。因此，研究可以满足游客需求的旅游信息推荐方法具有重要的理论意义和实际应用价值。　　本文主要研究分类器动态集成算法及其在旅游信息推荐中的应用。在分类器集成方法的基础上，对基于Boosting技术的AdaBoost算法的基础学习算法C4.5决策树进行调整，得到AdaBoost改进算法，该算法避免在生成成员分类器的迭代中对训练样本进行反复抽样，可以提高分类准确率。在AdaBoost改进算法的基础上，引入待测样本X和训练集T之间的属性相似度，提出了AdaBoost.MDI算法。对于不同的待测样本，AdaBoost.MDI算法弥补了AdaBoost改进算法生成的成员分类器序列固定不变的不足。AdaBoost.MDI算法可以根据待测样本和训练集决策属性之间的相似度，实现动态地筛选成员分类器、指导分类集成判决，并且有效地提高算法集成分类的性能。最后，将AdaBoost.MDI算法应用于旅游信息智能推荐系统的智能推荐功能模块中，实现为游客推荐旅游项目、旅游景区等旅游信息，取得了良好的应用效果。