智慧城市中的大数据分析技术

作品简介

《智慧城市中的大数据分析技术》以智慧城市和大数据技术之间的本质联系为出发点，通过生动的案例从不同的视角去介绍智慧城市的内涵和大数据的核心技术。为了能让广大读者了解智慧城市和大数据技术的核心内容，认清这两大热点领域之间的本质联系，本书第1章和第2章首先介绍了智慧城市和大数据的基本概念及其相互之间的内在联系，通过生动的案例，帮助读者建立起大数据分析技术在智慧城市中的具体应用的直观印象，有助于激发读者的思考和创造力。第3章～第5章重点介绍了智慧城市运营过程中的数据生产特征，通过对智慧城市的数据形式和潜在利用价值进行归纳分析，得出了智慧城市的大数据体系，并提出了建立智慧城市大数据分析平台的指导性建议。最后3章介绍了大数据分析技术的内涵与外延，对大数据分析技术的最新发展动态进行了归纳整理。

本书可作为希望了解大数据技术和智慧城市的政府工作人员、高校和科研院所相关专业研究人员、在校大学生和研究生的入门书，也可用作高等院校计算机相关专业选修课参考教材和专业培训教材。

作品目录

• 前言
• 第1章 智慧城市概述
• 1.1 智慧城市是城市发展的必然阶段
• 1.2 众说纷纭的智慧城市
• 1.3 智慧城市的定义与内涵
• 1.4 智慧城市建设的关键要素
• 1.4.1 国外智慧城市建设的关键要素分析
• 1.4.2 国内智慧城市建设的关键要素分析
• 1.5 智慧城市的数据管理
• 1.6 小结
• 参考文献
• 第2章 智慧城市与大数据
• 2.1 什么是大数据
• 2.2 智慧城市与大数据的关系
• 2.3 大数据分析技术在智慧城市中的应用
• 2.4 纽约的电子治理与应用科技发展计划
• 2.4.1 纽约的电子治理
• 2.4.2 雄心勃勃的应用科学发展计划
• 2.4.3 纽约大学都市科学与进步中心
• 2.4.4 微软曼哈顿实验室
• 2.5 伦敦的城市公共数据能力开放平台
• 2.5.1 伦敦大数据法案与大数据峰会
• 2.5.2 智能交通和罪案控制
• 2.6 新加坡的“智慧国2015”计划
• 2.6.1 新加坡电子政府2015 纲要
• 2.6.2 城市可持续性发展方案
• 2.6.3 信息通信产业培育计划
• 2.7 “智慧首尔2015”计划
• 2.7.1 U-City 计划
• 2.7.2 “利用大数据解决市民小烦恼”城市口号的提出
• 2.7.3 城市数据开放与利用
• 2.7.4 建立在NFC 基础上的城市移动支付系统
• 2.8 小结
• 参考文献
• 第3章 智慧城市的大数据体系架构
• 3.1 智慧城市体系架构的演进
• 3.1.1 以功能为中心的体系架构
• 3.1.2 以数据为中心的体系架构
• 3.2 智慧城市的大数据体系架构
• 3.3 物联感知层：大数据的来源
• 3.3.1 物联感知层的标准体系架构
• 3.3.2 物联感知层的关键技术
• 3.4 网络通信层：大数据的动态性
• 3.4.1 网络通信层的标准体系架构
• 3.4.2 网络通信层的关键技术
• 3.5 数据及服务支撑层：大数据的存储与分析
• 3.5.1 数据和服务支撑层的标准体系架构
• 3.5.2 数据和服务支撑层的关键技术
• 3.6 智慧应用层：大数据的价值发掘
• 3.6.1 智慧管理与服务
• 3.6.2 智慧产业与经济
• 3.6.3 智慧建设与宜居
• 3.7 小结
• 参考文献
• 第4章 智慧城市的数据特点
• 4.1 引言
• 4.2 智慧城市的数据来源
• 4.2.1 机器产生的数据
• 4.2.2 用户产生的数据
• 4.3 智慧城市的数据分布
• 4.3.1 市政数据
• 4.3.2 企业数据
• 4.3.3 开放数据
• 4.4 智慧城市的大数据特征
• 4.4.1 大数据的基本特征
• 4.4.2 数据开放与信息孤岛
• 4.5 开放数据面临的问题
• 4.5.1 政府引导数据开放
• 4.5.2 数据安全与隐私保护
• 4.6 小结
• 参考文献
• 第5章 大数据的分布式存储与处理
• 5.1 大数据分析平台
• 5.1.1 大数据分析平台面临的挑战
• 5.1.2 大数据分析平台的体系架构
• 5.1.3 大数据分析平台的关键技术
• 5.2 分布式存储与处理框架：Hadoop
• 5.2.1 Hadoop 的介绍
• 5.2.2 Hadoop 的组成
• 5.2.3 Hadoop 的架构
• 5.2.4 Hadoop 与分布式开发
• 5.2.5 Hadoop的关键技术
• 5.3 开放的机器学习算法平台：Mahout
• 5.3.1 Mahout 简介
• 5.3.2 Mahout 的主题
• 5.3.3 Mahout 的算法
• 5.3.4 Mahout 的使用
• 5.4 利用Mahout和Hadoop处理大数据
• 5.5 大数据技术的发展现状
• 5.6 小结
• 参考文献
• 第6章 智慧城市的大数据分析技术
• 6.1 引言
• 6.2 传统数据分析技术与工具
• 6.3 大数据分析技术的特点
• 6.3.1 数据采集
• 6.3.2 数据导入和预处理
• 6.3.3 数据统计与分析
• 6.3.4 数据挖掘
• 6.3.5 数据可视化
• 6.4 大数据分析与云计算技术
• 6.5 大数据分析面临的主要挑战
• 6.5.1 大数据集成与分析问题
• 6.5.2 大数据的隐私保护问题
• 6.5.3 大数据分析的思维方式转变问题
• 6.5.4 大数据时代分析结果测度标准问题
• 6.6 大数据分析相关关键技术
• 6.6.1 分布式文件系统
• 6.6.2 分布式数据库管理系统
• 6.6.3 索引和查询技术
• 6.6.4 二次挖掘技术
• 6.6.5 数据可视化技术
• 6.6.6 大数据分析平台
• 6.7 常见大数据分析算法
• 6.7.1 MapReduce 编程模型
• 6.7.2 分类和预测问题
• 6.7.3 朴素贝叶斯
• 6.7.4 支持向量机
• 6.7.5 逻辑斯蒂回归
• 6.7.6 随机森林
• 6.7.7 分类和预测问题小结
• 6.7.8 聚类分析
• 6.7.9 K-均值聚类算法
• 6.7.10 聚类分析小结
• 6.7.11 大数据中距离和相似性度量方法
• 6.8 小结
• 参考文献
• 第7章 城市管理中的大数据分析
• 7.1 智慧政务
• 7.2 智慧医疗
• 7.3 智慧社区
• 7.4 智慧交通
• 7.5 智慧安全
• 7.6 智慧产业升级
• 7.7 智慧体育
• 7.8 小结
• 参考文献
• 第8章 大数据与商业智能
• 8.1 机遇：大数据带来商业创新
• 8.1.1 什么是商业智能
• 8.1.2 大数据促进商业智能升级
• 8.2 难点：分析处理非结构化数据
• 8.2.1 非结构化数据模型
• 8.2.2 分布式存储与并行处理架构
• 8.2.3 非结构化数据查询语言
• 8.3 大数据时代商业智能的六大核心要素
• 8.3.1 企业信息管理
• 8.3.2 数据仓库
• 8.3.3 企业治理
• 8.3.4 公司治理、风险和合规管理
• 8.3.5 企业绩效管理
• 8.3.6 分析应用
• 8.4 发掘大数据中蕴含的价值与商机
• 8.4.1 大数据研究的商业价值
• 8.4.2 大数据研究的科学价值
• 8.5 小结
• 参考文献