摘要：指标体系构建与综合评估是政府统计的重要内容,如何检验其过程和结果的科学性受到广泛关注。本文以全球创新指数的做法为主线,讨论统计方法如何应用于处理缺失值和异常值等数据问题,以及如何检验对照权重设计和指数计算方法合理性问题,进而形成对该项统计活动的思考,即强调指标框架的合理性、测算结果的稳健性、统计方法的简洁实用,以及主观判断和指标层面应用统计分析的重要性。

摘要：本文设计开发了一种基于Spark的农产品智能推荐系统,系统使用em聚类的协同过滤算法,根据用户行为数据构建用户兴趣模型,然后用em聚类算法将用户分为不同的用户簇,在不同用户簇的基础上并行化实现基于物品的协同过滤。Spark作为一个分布式计算框架,它将计算数据与中间结果都储存在内存中,能大大节省I/O开销提高计算效率。通过对阿里巴巴天池大数据平台的数据集进行试验表明,在Spark大数据计算平台上使用基于em聚类的协同过滤推荐算法能够有效减少推荐时间,该系统在一定程度上解决了推荐的实时性与数据稀疏性问题,对于农产品电商系统开发应用具有一定参考价值。

摘要：贝叶斯动态线性模型(DLM)是一种状态空间模型,在时间序列分析和建模中有大量应用。传统DLM模型的参数确定是由人工分析时间序列的平稳性和季节、趋势、回归特征得到模型参数的,比较依赖专家经验。本文提出用期望最大化(em)算法从交通流数据中学习出DLM的关键参数,然后用学习出的模型对下一时刻的车流量进行预测。实验表明该模型和方法应用在车流量的预测中取得了较好的效果。相对于自回归求和移动平均(ARIMA)模型和传统季节-趋势-回归组合DLM,所提方法在平均绝对误差和平均相对百分比误差两个指标上均有较大提高。