本书由京东集团副总裁、城市计算业务单元的负责人郑宇博士所著，详细介绍了城市计算的基本概念、方法论、关键技术及其在各个领域的应用案例，其中包括大数据分析、物联网、人工智能、地理信息系统等现代信息技术在城市计算中的应用，以及城市规划、交通、环境、能源等领域的具体实践。通过这些案例，读者可以了解城市计算如何助力城市解决实际问题，实现高质量发展。
售 价：¥
纸质售价：¥89.20购买纸书
6.8
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
THE TRANSLATOR'S WORDS 译者序
PREFACE 前言
ACKNOWLEDGEMENTS 致谢
ABOUT THE AUTHOR 关于作者
PART 1 第一部分 概念和框架
CHAPTER 1 第1章 概述
1.1 引言
1.2 城市计算的定义
1.3 总体框架
1.4 城市计算的关键挑战
1.5 城市数据
1.6 公共数据集
参考文献
CHAPTER 2 第2章 城市计算应用
2.1 引言
2.2 用于城市规划的城市计算
2.3 用于交通系统的城市计算
2.4 用于环境的城市计算
2.5 用于城市能源消耗的城市计算
2.6 用于社交应用的城市计算
2.7 用于经济服务的城市计算
2.8 用于公共安全和保障的城市计算
2.9 总结
参考文献
PART 2 第二部分 城市感知与数据采集
CHAPTER 3 第3章 城市感知
3.1 引言
3.2 传感器和设施部署
3.3 以人为中心的城市感知
3.4 补充缺失值
3.5 总结
参考文献
PART 3 第三部分 城市数据管理
CHAPTER 4 第4章 时空数据管理
4.1 引言
4.2 数据结构
4.3 空间数据管理
4.4 时空数据管理
4.5 管理多个数据集的混合索引
4.6 总结
参考文献
CHAPTER 5 第5章 云计算导论
5.1 引言
5.2 存储
5.3 计算
5.4 应用
5.5 总结
参考文献
CHAPTER 6 第6章 在云端管理时空数据
6.1 引言
6.2 管理基于点的数据
6.3 管理基于网络的数据
6.4 城市大数据平台
6.5 总结
PART 4 第四部分 城市数据分析
CHAPTER 7 第7章 城市数据的基本数据挖掘技术
7.1 引言
7.2 数据预处理
7.3 频繁模式挖掘和关联规则
7.4 聚类
7.5 分类
7.6 回归
7.7 异常值检测
7.8 总结
参考文献
CHAPTER 8 第8章 用于时空数据的高级机器学习技术
8.1 引言
8.2 时空数据的独特性质
8.3 协同过滤
8.4 矩阵分解
8.5 张量分解
8.6 概率图模型
8.7 深度学习
8.8 强化学习
8.9 总结
参考文献
CHAPTER 9 第9章 跨领域知识融合
9.1 引言
9.2 基于阶段的知识融合
9.3 基于特征的知识融合
9.4 基于语义意义的知识融合
9.5 不同融合方法的比较
9.6 总结
参考文献
CHAPTER 10 第10章 城市数据分析的高级主题
10.1 如何选择有用的数据集
10.2 轨迹数据挖掘
10.3 将机器学习与数据管理相结合
10.4 交互式视觉数据分析
10.5 总结
参考文献
推荐阅读
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
