为了能给香港科技大学G-U229项目(虚拟计算环境——旅游信息智能推荐系统)提供有效的智能推荐算法,本文对马氏距离判别法进行了若干的改进,并成功应用于该信息智能推荐系统.首先,为了能区分样本向量各个分量重要性的不同,我们提出了加权马氏距离判别法,利用主成分分析的思想给出了具体加权的办法,利用真实数据进行实验,结果表明,加权马氏距离判别法的推荐吻合率为66.7%,较马氏距离判别法的61.1%上升了5个百分点.其次,为了利用智能推荐系统中的评分系统,定义了广义集合以及模糊广义集合的概念,讨论了其基本性质和统计特性并给出了相应的证明.在此基础上,提出了模糊加权马氏距离判别法,利用真实数据进行实验,结果表明,模糊加权马氏距离判别法在四个指标上的推荐吻合率分别为69.4%、63.9%、58.3%和81.8%,较加权马氏距离判别法的66.7%、59.7%、51.9%和80.6%都有相应的提高.之后,为了改进(模糊)加权马氏距离法只考虑待判样本个体信息指标与各个总体指标的均值之间的综合距离的问题,避免较多的低级误判,提出了多重判别的思想,该方法除了考察综合距离,还加入了对样本个体信息指标的限制,利用真实数据进行实验,结果表明,多重判别法的效果相比前三种方法又有明显的提高,其在四个指标上的推荐吻合率分别达到了94.4%,83.3%,71.3%和84.3%,较模糊加权马氏距离法分别提高了25.0%,19.4%,13.0%和2.5%,效果相当明显.本文还针对以上三种方法分别给出其计算机算法,并利用Java语言编程实现,同时通过对算法的分析,证明了三种改进方法的计算机实现的时间复杂度均为O(n~2).