智慧城市中的大數據分析技術

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涵 
1.4　智慧城市建設的關鍵要素 
1.4.1　國外智慧城市建設的關鍵要素分析 
1.4.2　國內智慧城市建設的關鍵要素分析 
1.5　智慧城市的數據管理 
1.6　小結 
參考文獻 
第2章 智慧城市與大數據 
2.1　什么是大數據 
2.2　智慧城市與大數據的關系 
2.3　大數據分析技術在智慧城市中的應用 
2.4　紐約的電子治理與應用科技發(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　倫敦的城市公共數據能力開放平臺 
2.5.1　倫敦大數據法案與大數據峰會 
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　“利用大數據解決市民小煩惱”城市口號的提出 
2.7.3　城市數據開放與利用 
2.7.4　建立在NFC基礎上的城市移動支付系統 
2.8　小結 
參考文獻 
第3章 智慧城市的大數據體系架構 
3.1　智慧城市體系架構的演進 
3.1.1　以功能為中心的體系架構 
3.1.2　以數據為中心的體系架構 
3.2　智慧城市的大數據體系架構 
3.3　物聯感知層：大數據的來源 
3.3.1　物聯感知層的標準體系架構 
3.3.2　物聯感知層的關鍵技術 
3.4　網絡通信層：大數據的動態(tài)性 
3.4.1　網絡通信層的標準體系架構 
3.4.2　網絡通信層的關鍵技術 
3.5　數據及服務支撐層：大數據的存儲與分析 
3.5.1　數據和服務支撐層的標準體系架構 
3.5.2　數據和服務支撐層的關鍵技術 
3.6　智慧應用層：大數據的價值發(fā)掘 
3.6.1　智慧管理與服務 
3.6.2　智慧產業(yè)與經濟 
3.6.3　智慧建設與宜居 
3.7　小結 
參考文獻 
第4章 智慧城市的數據特點 
4.1　引言 
4.2　智慧城市的數據來源 
4.2.1　機器產生的數據 
4.2.2　用戶產生的數據 
4.3　智慧城市的數據分布 
4.3.1　市政數據 
4.3.2　企業(yè)數據 
4.3.3　開放數據 
4.4　智慧城市的大數據特征 
4.4.1　大數據的基本特征 
4.4.2　數據開放與信息孤島 
4.5　開放數據面臨的問題 
4.5.1　政府引導數據開放 
4.5.2　數據安全與隱私保護 
4.6　小結 
參考文獻 
第5章 大數據的分布式存儲與處理 
5.1　大數據分析平臺 
5.1.1　大數據分析平臺面臨的挑戰(zhàn) 
5.1.2　大數據分析平臺的體系架構 
5.1.3　大數據分析平臺的關鍵技術 
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 
5.2.4　Hadoop與分布式開發(fā) 
5.2.5　Hadoop的關鍵技術 
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處理大數據 
5.5　大數據技術的發(fā)展現狀 
5.6　小結 
參考文獻 
第6章 智慧城市的大數據分析技術 
6.1　引言 
6.2　傳統數據分析技術與工具 
6.3　大數據分析技術的特點 
6.3.1　數據采集 
6.3.2　數據導入和預處理 
6.3.3　數據統計與分析 
6.3.4　數據挖掘 
6.3.5　數據可視化 
6.4　大數據分析與云計算技術 
6.5　大數據分析面臨的主要挑戰(zhàn) 
6.5.1　大數據集成與分析問題 
6.5.2　大數據的隱私保護問題 
6.5.3　大數據分析的思維方式轉變問題 
6.5.4　大數據時代分析結果測度標準問題 
6.6　大數據分析相關關鍵技術 
6.6.1　分布式文件系統 
6.6.2　分布式數據庫管理系統 
6.6.3　索引和查詢技術 
6.6.4　二次挖掘技術 
6.6.5　數據可視化技術 
6.6.6　大數據分析平臺 
6.7　常見大數據分析算法 
6.7.1　MapReduce編程模型 
6.7.2　分類和預測問題 
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　分類和預測問題小結 
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 
6.7.11　大數據中距離和相似性度量方法 
6.8　小結 
參考文獻 
第7章 城市管理中的大數據分析 
7.1　智慧政務 
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　智慧產業(yè)升級 
7.7　智慧體育 
7.8　小結 
參考文獻 
第8章 大數據與商業(yè)智能 
8.1　機遇：大數據帶來商業(yè)創(chuàng)新 
8.1.1　什么是商業(yè)智能 
8.1.2　大數據促進商業(yè)智能升級 
8.2　難點：分析處理非結構化數據 
8.2.1　非結構化數據模型 
8.2.2　分布式存儲與并行處理架構 
8.2.3　非結構化數據查詢語言 
8.3　大數據時代商業(yè)智能的六大核心要素 
8.3.1　企業(yè)信息管理 
8.3.2　數據倉庫 
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　分析應用 
8.4　發(fā)掘大數據中蘊含的價值與商機 
8.4.1　大數據研究的商業(yè)價值 
8.4.2　大數據研究的科學價值 
8.5　小結 
參考文獻 
名詞索引