基于模糊K-means聚类算法的区域数据智能分析方法

文中对医疗行业的区域化群体数据挖掘方法进行了研究。通过引入模糊数学理论中的隶属度概念,使得K-means算法在分类时不再按照聚类中心来严格划分数据点,提升了数据点分类的稳定性,使算法在迭代的过程中更容易收敛。同时,引入了Hadoop平台下的MapReduce模型对所提算法进行并行化处理,将数据划分为不同的数据切片,使每个切片在不同的计算节点上完成聚类。以河北某地区的实际医保数据为样本进行了算法测试,在聚类精度上,模糊K-means算法相较于传统算法提升了约8.19%。基于文中搭建的分布式存储系统计算集群,当采用8节点进行并行计算时,算法的Speedup与Scaleup分别为3.6和0.58,通过充分利用每个计算节点的计算资源,有效降低了运行时间成本。

低碳经济视角下的环境会计信息披露影响因素研究——以京津冀地区上市公司为例

近年来,京津冀地区严重的雾霾问题引起了社会各界的广泛关注,企业在生产经营过程中造成的环境污染问题不容忽视,尤其是重污染行业对环境的影响极为深远。以京津冀地区64家重污染行业上市公司作为样本,对其2016-2018年发布的公司年报、社会责任报告、可持续发展报告和环境社会及管制报告等进行分析。在国内外学者研究的基础上提出5项假设,经过实证研究得出结论:企业环境会计信息披露水平与公司规模和国有控股比例成正相关关系。