《智慧城市中的大數據分析技術》是2015年人民郵電出版社出版的圖書。
主要內容,目錄,
主要內容
《智慧城市中的大數據分析技術》以智慧城市和大數據技術之間的本質聯繫為出發點，通過生動的案例從不同的視角去介紹智慧城市的內涵和大數據的核心技術。為了能讓廣大讀者了解智慧城市和大數據技術的核心內容，認清這兩大熱點領域之間的本質聯繫，本書第1章和第2章首先介紹了智慧城市和大數據的基本概念及其相互之間的內在聯繫，通過生動的案例，幫助讀者建立起大數據分析技術在智慧城市中的具體套用的直觀印象，有助於激發讀者的思考和創造力。第3章～第5章重點介紹了智慧城市運營過程中的數據生產特徵，通過對智慧城市的數據形式和潛在利用價值進行歸納分析，得出了智慧城市的大數據體系，並提出了建立智慧城市大數據分析平台的指導性建議。最後3章介紹了大數據分析技術的內涵與外延，對大數據分析技術的最新發展動態進行了歸納整理。
本書可作為希望了解大數據技術和智慧城市的政府工作人員、高校和科研院所相關專業研究人員、在校大學生和研究生的入門書，也可用作高等院校計算機相關專業選修課參考教材和專業培訓教材。
本書可作為希望了解大數據技術和智慧城市的政府工作人員、高校和科研院所相關專業研究人員、在校大學生和研究生的入門書，也可用作高等院校計算機相關專業選修課參考教材和專業培訓教材。
目錄
第1章 智慧城市概述 1
1.1 智慧城市是城市發展的必然階段 2
1.2 眾說紛紜的智慧城市 2
1.3 智慧城市的定義與內涵 5
1.4 智慧城市建設的關鍵要素 6
1.4.1 國外智慧城市建設的關鍵要素分析 7
1.4.2 國內智慧城市建設的關鍵要素分析 7
1.5 智慧城市的數據管理 11
1.6 小結 13
參考文獻 13
第2章 智慧城市與大數據 15
2.1 什麼是大數據 15
2.2 智慧城市與大數據的關係 15
2.3 大數據分析技術在智慧城市中的套用 17
2.4 紐約的電子治理與套用科技發展計畫 19
2.4.1 紐約的電子治理 19
2.4.2 雄心勃勃的套用科學發展計畫 20
2.4.3 紐約大學都市科學與進步中心 21
2.4.4 微軟曼哈頓實驗室 22
2.5 倫敦的城市公共數據能力開放平台 23
2.5.1 倫敦大數據法案與大數據峰會 23
2.5.2 智慧型交通和罪案控制 24
2.6 新加坡的“智慧國2015”計畫 25
2.6.1 新加坡電子政府2015綱要 26
2.6.2 城市可持續性發展方案 28
2.6.3 信息通信產業培育計畫 29
2.7 “智慧首爾2015”計畫 30
2.7.1 U-City計畫 31
2.7.2 “利用大數據解決市民小煩惱”城市口號的提出 31
2.7.3 城市數據開放與利用 32
2.7.4 建立在NFC基礎上的城市移動支付系統 33
2.8 小結 33
參考文獻 34
第3章 智慧城市的大數據體系架構 35
3.1 智慧城市體系架構的演進 35
3.1.1 以功能為中心的體系架構 35
3.1.2 以數據為中心的體系架構 37
3.2 智慧城市的大數據體系架構 41
3.3 物聯感知層：大數據的來源 45
3.3.1 物聯感知層的標準體系架構 46
3.3.2 物聯感知層的關鍵技術 53
3.4 網路通信層：大數據的動態性 57
3.4.1 網路通信層的標準體系架構 59
3.4.2 網路通信層的關鍵技術 64
3.5 數據及服務支撐層：大數據的存儲與分析 67
3.5.1 數據和服務支撐層的標準體系架構 68
3.5.2 數據和服務支撐層的關鍵技術 78
3.6 智慧套用層：大數據的價值發掘 88
3.6.1 智慧管理與服務 89
3.6.2 智慧產業與經濟 100
3.6.3 智慧建設與宜居 102
3.7 小結 108
參考文獻 108
第4章 智慧城市的數據特點 110
4.1 引言 110
4.2 智慧城市的數據來源 111
4.2.1 機器產生的數據 111
4.2.2 用戶產生的數據 113
4.3 智慧城市的數據分布 115
4.3.1 市政數據 115
4.3.2 企業數據 118
4.3.3 開放數據 119
4.4 智慧城市的大數據特徵 121
4.4.1 大數據的基本特徵 121
4.4.2 數據開放與信息孤島 124
4.5 開放數據面臨的問題 127
4.5.1 政府引導數據開放 127
4.5.2 數據安全與隱私保護 130
4.6 小結 133
參考文獻 134
第5章 大數據的分散式存儲與處理 136
5.1 大數據分析平台 136
5.1.1 大數據分析平台面臨的挑戰 137
5.1.2 大數據分析平台的體系架構 138
5.1.3 大數據分析平台的關鍵技術 141
5.2 分散式存儲與處理框架：Hadoop 146
5.2.1 Hadoop的介紹 146
5.2.2 Hadoop的組成 148
5.2.3 Hadoop的架構 150
5.2.4 Hadoop與分散式開發 152
5.2.5 Hadoop的關鍵技術 154
5.3 開放的機器學習算法平台：Mahout 163
5.3.1 Mahout簡介 163
5.3.2 Mahout的主題 164
5.3.3 Mahout的算法 166
5.3.4 Mahout的使用 167
5.4 利用Mahout和Hadoop處理大數據 168
5.5 大數據技術的發展現狀 170
5.6 小結 173
參考文獻 173
第6章 智慧城市的大數據分析技術 175
6.1 引言 175
6.2 傳統數據分析技術與工具 176
6.3 大數據分析技術的特點 177
6.3.1 數據採集 179
6.3.2 數據導入和預處理 180
6.3.3 數據統計與分析 180
6.3.4 數據挖掘 180
6.3.5 數據可視化 181
6.4 大數據分析與雲計算技術 181
6.5 大數據分析面臨的主要挑戰 183
6.5.1 大數據集成與分析問題 183
6.5.2 大數據的隱私保護問題 184
6.5.3 大數據分析的思維方式轉變問題 185
6.5.4 大數據時代分析結果測度標準問題 185
6.6 大數據分析相關關鍵技術 186
6.6.1 分散式檔案系統 186
6.6.2 分散式資料庫管理系統 187
6.6.3 索引和查詢技術 190
6.6.4 二次挖掘技術 192
6.6.5 數據可視化技術 193
6.6.6 大數據分析平台 193
6.7 常見大數據分析算法 195
6.7.1 MapReduce編程模型 195
6.7.2 分類和預測問題 197
6.7.3 樸素貝葉斯 198
6.7.4 支持向量機 202
6.7.5 邏輯斯蒂回歸 206
6.7.6 隨機森林 208
6.7.7 分類和預測問題小結 209
6.7.8 聚類分析 210
6.7.9 K-均值聚類算法 214
6.7.10 聚類分析小結 216
6.7.11 大數據中距離和相似性度量方法 217
6.8 小結 219
參考文獻 220
第7章 城市管理中的大數據分析 221
7.1 智慧政務 222
7.2 智慧醫療 225
7.3 智慧社區 227
7.4 智慧交通 229
7.5 智慧安全 232
7.6 智慧產業升級 234
7.7 智慧體育 238
7.8 小結 240
參考文獻 240
第8章 大數據與商業智慧型 242
8.1 機遇：大數據帶來商業創新 242
8.1.1 什麼是商業智慧型 243
8.1.2 大數據促進商業智慧型升級 247
8.2 難點：分析處理非結構化數據 249
8.2.1 非結構化數據模型 250
8.2.2 分散式存儲與並行處理架構 252
8.2.3 非結構化數據查詢語言 253
8.3 大數據時代商業智慧型的六大核心要素 253
8.3.1 企業信息管理 255
8.3.2 數據倉庫 255
8.3.3 企業治理 259
8.3.4 公司治理、風險和合規管理 262
8.3.5 企業績效管理 265
8.3.6 分析套用 268
8.4 發掘大數據中蘊含的價值與商機 271
8.4.1 大數據研究的商業價值 271
8.4.2 大數據研究的科學價值 274
8.5 小結 277
參考文獻 277
名詞索引 280
