智慧城市中的大數(shù)據(jù)分析技術(shù)

第1章 智慧城市概述 
1.1　智慧城市是城市發(fā)展的必然階段 
1.2　眾說紛紜的智慧城市 
1.3　智慧城市的定義與內(nèi)涵 
1.4　智慧城市建設(shè)的關(guān)鍵要素 
1.4.1　國外智慧城市建設(shè)的關(guān)鍵要素分析 
1.4.2　國內(nèi)智慧城市建設(shè)的關(guān)鍵要素分析 
1.5　智慧城市的數(shù)據(jù)管理 
1.6　小結(jié) 
參考文獻 
第2章 智慧城市與大數(shù)據(jù) 
2.1　什么是大數(shù)據(jù) 
2.2　智慧城市與大數(shù)據(jù)的關(guān)系 
2.3　大數(shù)據(jù)分析技術(shù)在智慧城市中的應(yīng)用 
2.4　紐約的電子治理與應(yīng)用科技發(fā)展計劃 
2.4.1　紐約的電子治理 
2.4.2　雄心勃勃的應(yīng)用科學發(fā)展計劃 
2.4.3　紐約大學都市科學與進步中心 
2.4.4　微軟曼哈頓實驗室 
2.5　倫敦的城市公共數(shù)據(jù)能力開放平臺 
2.5.1　倫敦大數(shù)據(jù)法案與大數(shù)據(jù)峰會 
2.5.2　智能交通和罪案控制 
2.6　新加坡的“智慧國2015”計劃 
2.6.1　新加坡電子政府2015綱要 
2.6.2　城市可持續(xù)性發(fā)展方案 
2.6.3　信息通信產(chǎn)業(yè)培育計劃 
2.7　“智慧首爾2015”計劃 
2.7.1　U-City計劃 
2.7.2　“利用大數(shù)據(jù)解決市民小煩惱”城市口號的提出 
2.7.3　城市數(shù)據(jù)開放與利用 
2.7.4　建立在NFC基礎(chǔ)上的城市移動支付系統(tǒng) 
2.8　小結(jié) 
參考文獻 
第3章 智慧城市的大數(shù)據(jù)體系架構(gòu) 
3.1　智慧城市體系架構(gòu)的演進 
3.1.1　以功能為中心的體系架構(gòu) 
3.1.2　以數(shù)據(jù)為中心的體系架構(gòu) 
3.2　智慧城市的大數(shù)據(jù)體系架構(gòu) 
3.3　物聯(lián)感知層：大數(shù)據(jù)的來源 
3.3.1　物聯(lián)感知層的標準體系架構(gòu) 
3.3.2　物聯(lián)感知層的關(guān)鍵技術(shù) 
3.4　網(wǎng)絡(luò)通信層：大數(shù)據(jù)的動態(tài)性 
3.4.1　網(wǎng)絡(luò)通信層的標準體系架構(gòu) 
3.4.2　網(wǎng)絡(luò)通信層的關(guān)鍵技術(shù) 
3.5　數(shù)據(jù)及服務(wù)支撐層：大數(shù)據(jù)的存儲與分析 
3.5.1　數(shù)據(jù)和服務(wù)支撐層的標準體系架構(gòu) 
3.5.2　數(shù)據(jù)和服務(wù)支撐層的關(guān)鍵技術(shù) 
3.6　智慧應(yīng)用層：大數(shù)據(jù)的價值發(fā)掘 
3.6.1　智慧管理與服務(wù) 
3.6.2　智慧產(chǎn)業(yè)與經(jīng)濟 
3.6.3　智慧建設(shè)與宜居 
3.7　小結(jié) 
參考文獻 
第4章 智慧城市的數(shù)據(jù)特點 
4.1　引言 
4.2　智慧城市的數(shù)據(jù)來源 
4.2.1　機器產(chǎn)生的數(shù)據(jù) 
4.2.2　用戶產(chǎn)生的數(shù)據(jù) 
4.3　智慧城市的數(shù)據(jù)分布 
4.3.1　市政數(shù)據(jù) 
4.3.2　企業(yè)數(shù)據(jù) 
4.3.3　開放數(shù)據(jù) 
4.4　智慧城市的大數(shù)據(jù)特征 
4.4.1　大數(shù)據(jù)的基本特征 
4.4.2　數(shù)據(jù)開放與信息孤島 
4.5　開放數(shù)據(jù)面臨的問題 
4.5.1　政府引導(dǎo)數(shù)據(jù)開放 
4.5.2　數(shù)據(jù)安全與隱私保護 
4.6　小結(jié) 
參考文獻 
第5章 大數(shù)據(jù)的分布式存儲與處理 
5.1　大數(shù)據(jù)分析平臺 
5.1.1　大數(shù)據(jù)分析平臺面臨的挑戰(zhàn) 
5.1.2　大數(shù)據(jù)分析平臺的體系架構(gòu) 
5.1.3　大數(shù)據(jù)分析平臺的關(guān)鍵技術(shù) 
5.2　分布式存儲與處理框架：Hadoop 
5.2.1　Hadoop的介紹 
5.2.2　Hadoop的組成 
5.2.3　Hadoop的架構(gòu) 
5.2.4　Hadoop與分布式開發(fā) 
5.2.5　Hadoop的關(guān)鍵技術(shù) 
5.3　開放的機器學習算法平臺：Mahout 
5.3.1　Mahout簡介 
5.3.2　Mahout的主題 
5.3.3　Mahout的算法 
5.3.4　Mahout的使用 
5.4　利用Mahout和Hadoop處理大數(shù)據(jù) 
5.5　大數(shù)據(jù)技術(shù)的發(fā)展現(xiàn)狀 
5.6　小結(jié) 
參考文獻 
第6章 智慧城市的大數(shù)據(jù)分析技術(shù) 
6.1　引言 
6.2　傳統(tǒng)數(shù)據(jù)分析技術(shù)與工具 
6.3　大數(shù)據(jù)分析技術(shù)的特點 
6.3.1　數(shù)據(jù)采集 
6.3.2　數(shù)據(jù)導(dǎo)入和預(yù)處理 
6.3.3　數(shù)據(jù)統(tǒng)計與分析 
6.3.4　數(shù)據(jù)挖掘 
6.3.5　數(shù)據(jù)可視化 
6.4　大數(shù)據(jù)分析與云計算技術(shù) 
6.5　大數(shù)據(jù)分析面臨的主要挑戰(zhàn) 
6.5.1　大數(shù)據(jù)集成與分析問題 
6.5.2　大數(shù)據(jù)的隱私保護問題 
6.5.3　大數(shù)據(jù)分析的思維方式轉(zhuǎn)變問題 
6.5.4　大數(shù)據(jù)時代分析結(jié)果測度標準問題 
6.6　大數(shù)據(jù)分析相關(guān)關(guān)鍵技術(shù) 
6.6.1　分布式文件系統(tǒng) 
6.6.2　分布式數(shù)據(jù)庫管理系統(tǒng) 
6.6.3　索引和查詢技術(shù) 
6.6.4　二次挖掘技術(shù) 
6.6.5　數(shù)據(jù)可視化技術(shù) 
6.6.6　大數(shù)據(jù)分析平臺 
6.7　常見大數(shù)據(jù)分析算法 
6.7.1　MapReduce編程模型 
6.7.2　分類和預(yù)測問題 
6.7.3　樸素貝葉斯 
6.7.4　支持向量機 
6.7.5　邏輯斯蒂回歸 
6.7.6　隨機森林 
6.7.7　分類和預(yù)測問題小結(jié) 
6.7.8　聚類分析 
6.7.9　K-均值聚類算法 
6.7.10　聚類分析小結(jié) 
6.7.11　大數(shù)據(jù)中距離和相似性度量方法 
6.8　小結(jié) 
參考文獻 
第7章 城市管理中的大數(shù)據(jù)分析 
7.1　智慧政務(wù) 
7.2　智慧醫(yī)療 
7.3　智慧社區(qū) 
7.4　智慧交通 
7.5　智慧安全 
7.6　智慧產(chǎn)業(yè)升級 
7.7　智慧體育 
7.8　小結(jié) 
參考文獻 
第8章 大數(shù)據(jù)與商業(yè)智能 
8.1　機遇：大數(shù)據(jù)帶來商業(yè)創(chuàng)新 
8.1.1　什么是商業(yè)智能 
8.1.2　大數(shù)據(jù)促進商業(yè)智能升級 
8.2　難點：分析處理非結(jié)構(gòu)化數(shù)據(jù) 
8.2.1　非結(jié)構(gòu)化數(shù)據(jù)模型 
8.2.2　分布式存儲與并行處理架構(gòu) 
8.2.3　非結(jié)構(gòu)化數(shù)據(jù)查詢語言 
8.3　大數(shù)據(jù)時代商業(yè)智能的六大核心要素 
8.3.1　企業(yè)信息管理 
8.3.2　數(shù)據(jù)倉庫 
8.3.3　企業(yè)治理 
8.3.4　公司治理、風險和合規(guī)管理 
8.3.5　企業(yè)績效管理 
8.3.6　分析應(yīng)用 
8.4　發(fā)掘大數(shù)據(jù)中蘊含的價值與商機 
8.4.1　大數(shù)據(jù)研究的商業(yè)價值 
8.4.2　大數(shù)據(jù)研究的科學價值 
8.5　小結(jié) 
參考文獻 
名詞索引