摘要：“一带一路”倡议顺应时代发展,统筹海陆,面向全球,为我国和东盟之间的贸易和物流发展带来了新的挑战和机遇。在此背景下,从中国对东盟直接投资、中国和东盟物流绩效现状、双方贸易互补性等方面进行分析和探讨。根据联合国商品统计数据库和世界银行统计数据库相关数据,运用Eviews进行中国和东盟国家贸易与跨境物流的格兰杰因果关系检验。研究发现:东盟和中国的物流发展分别是影响对方贸易发展的原因。应紧抓“一带一路”建设机遇,充分利用双边贸易互补性,深化同东盟各国的贸易及跨境物流协作,拓宽贸易合作领域,同时改善物流发展硬件和软件环境,实现双方经济共同增长。

摘要：学习排序是利用机器学习技术来对搜索结果进行排序的技术。它在包括信息检索与数据挖掘等技术在内的众多应用领域中具有重大作用,因此近年来备受关注。学习排序通常假设每个培训实例都与一个可靠的标签相关联产生列表,但并不假定此列表是完整的或一致的。通过结合广义线性模型和Plackett-Luce(P-L)模型,提出一种基于实例的解决多分类标签的排序方法。目标是训练学习一种排序功能,排序功能通过训练提出一种最大似然估计方法。该方法估计标签排序,并迭代地训练排序功能,该功能可以在整套标签上产生全部排序。先利用广义线性模型对标签进行分类,再用P-L模型对各类别的标签进行排序,最后利用最大似然估计的方法对框架模型进行优化处理。该方法在不完整的训练数据的情况下,较其他模型方法在准确性上提升5%。

摘要：针对传统的协同过滤算法存在数据稀疏、冷启动、推荐精度低等问题,提出一种充分融合用户与项目属性的协同过滤算法。利用项目属性和用户属性分别对用户相似度和项目相似度计算方法进行改进,并将用户和项目协同过滤进行组合加权,提高预测兴趣度的准确度。引入用户属性-项目类型偏好权重因子,利用天牛须搜索方法对兴趣度计算方法进行改进。实验结果表明:该算法能有效地缓解冷启动、数据稀疏对推荐系统的影响,且推荐精度有一定的提高。与传统的项目和用户协同过滤算法相比,召回率分别提高了8.65%和3.39%。

摘要：航空公司运行控制AOC(Airline Operational Control)是运行在飞机上用于飞行员和航空公司间的一种空地数据链应用。目前AOC应用软件主要由国外的数据链供应商如柯林斯、霍尼韦尔提供,而国内的研究还处于起步阶段。通过对AOC应用功能的分析,对AOC应用的软件架构设计和基于ARINC 661规范[1]的人机界面设计进行研究。在此基础上,通过搭建测试环境对AOC应用软件的实现进行测试验证,测试结果表明设计合理。该研究对后续研制符合适航规章和要求的国产化机载软件具有实际的指导意义。

摘要：关联规则挖掘是数据挖掘领域的重要研究方向之一。频繁项集的挖掘是关联规则挖掘的第一步,也是最重要的步骤。FP-Growth(Frequent Pattern-Growth)算法因其挖掘效率以及空间复杂度方面的优势被广泛应用于频繁项集挖掘任务中。面对海量数据,FP-Growth算法挖掘效率变得极低甚至失效。在Hadoop大数据平台上实现的基于MapReduce框架的并行FP-Growth算法——PFP算法解决在处理大规模数据时传统算法失效的问题,但是由于其将每次执行之后的中间结果输出到磁盘,降低算法执行效率。为提高并行FP-Growth算法执行效率,提出一种基于Spark的SPFPG算法。该算法运用负载均衡思想对分组策略进行改进,综合考虑分区计算量和FP-Tree规模两个因素,保证每个组之间负载总和近似相等。在Spark上实现FP-Growth算法——SFPG算法的基础上,实现优化后的SPFPG算法。实验结果表明,SPFPG算法相比SFPG算法挖掘效率更高,且算法具有良好的扩展性。