Spark平台下聚类算法的性能比较

通过实验,从运行时间、加速比、可扩展性和规模增长性4个方面比较了Spark平台中3种典型的聚类算法即K-means聚类算法、二分K-means聚类算法和高斯混合聚类算法的性能。实验结果表明:1)随着节点个数的增加,3种算法对百兆以上规模数据集聚类的运行时间明显减少;2)当数据集规模大于500MB时,3种算法的加速比均有明显提高,且随着节点个数的增加,加速比近似于线性增长;3)3种算法的可扩展性随着节点个数的增加而降低,当数据集规模大于500MB时,相对于K-means和高斯混合算法,二分K-means算法的可扩展性最差;4)当数据集规模大于100MB时,高斯混合算法的规模增长性远高于K-means和二分K-means算法。

美国对技术转移的强制性要求:基于美国法典的质性数据分析

中美贸易争端中美国对中国的诟病之一就是中国政府强迫美国企业向中国企业进行技术转移。本文利用质性分析工具QDA Miner和Nvivo软件对美国法典与技术转移有关的法条进行分析,发现美国国家机构在技术转移中扮演了积极的角色,通过各种强制性法律规定促进美国的技术转移。本研究揭开了美国在无端指责之下自身国内的真实做法。同时,对于正面临发展模式转型的中国经济而言,美国的做法同样具有一定的借鉴意义。