图片等城市管理中的数据挖掘(一)
数据挖掘导论习题答案(中文版)
介绍数据挖掘
教师的解决方案手册
陈甘美华Pang-Ning Michael教授 Vipin Kumar
版权所有 2006年Pearson Addison-Wesley。保留所有权利。
内容。【图片等城市管理中的数据挖掘】
1 Introduction 2 Data
3 Exploring Data
4 Classification: Basic Concepts, Decision Trees, and Model Evaluation
5 Classification: Alternative Techniques
6 Association Analysis: Basic Concepts and Algorithms 7 Association Analysis: Advanced Concepts 8 Cluster Analysis: Basic Concepts and Algorithms 9 Cluster Analysis: Additional Issues and Algorithms 10 Anomaly Detection【图片等城市管理中的数据挖掘】
三
5 5 19 24 24 44 71 95 125 145 153
1
介绍
1. 讨论是否执行下列每项活动的是一种数据miningtask。
(a) 把客户的公司根据他们的性别。否。 这是一种简单的数据库查
询。 (b) 把客户的公司根据他们的盈利能力。【图片等城市管理中的数据挖掘】
第 这是一种会计计算、应用程序的门限值。 然而,预测盈利的一种新的客户将数据挖掘。 (c) 计算的总销售公司。否。 这又是简单的会计工作。 (d) 排序的学生数据库基于学生的身份证号码。
第 再次,这是一种简单的数据库查询。
(e) 预测结果丢(公平)的一对骰子。否。 既然死是公正的,这是一种
概率的计算。 如果死是不公平的,我们需要估计的概率对每个结果的数据,那么这更象研究的问题数据挖掘。 然而,在这种特定的情况下,要解决这一问题是由数学家很长一段时间前,因此,我们不认为它是数据挖掘。 (f) 预测未来股价的公司使用。historicalrecords
是的。 我们将试图创建的模型,可以预测未来的持续价值的股票价格。 这是一例的 2 第1章 介绍
领域的数据挖掘预测模型。 我们可以使用回归分析。这一建模,尽管研究人员在许多领域已经开发了多种技术来预测时间序列。
(g) 监控在患者心率异常。
是的。 我们将构建一种型号的正常行为的心率和提高报警当寻常心的行为发生。 这将涉及领域的数据挖掘被称为异常检测。
图片等城市管理中的数据挖掘(二)
大数据对提升城市精细化管理能力的价值分析
导读：大数据背后隐含着巨大的管理价值。如何从我国城市管理的实际出发，深度挖掘大数据对提升城市精细化管理意识力、决策力和执行力的价值，将是推进城市精细化管理的重要探索。 随着城镇化进程的不断加快，如何扭转城市管理缺位、不到位的局面，预防和减少“城市病”，是一个迫切需要探索的重要课题。大数据提供了一把破解城市精细化管理困局的钥匙。然而，在我国城市管理中，大数据只得到简单初步的应用，制约了城市精细化管理能力的提升，下一步应把大数据作为推进城市管理精细化的具有革命性意义的战略资源，多用善用。
一、以大数据提升城市精细化管理的意识力
意识是行动的先导。提升城市精细化管理能力，首要的问题是增强精细化管理意识。近年来，虽然精细化管理意识在逐步加强，但总体上看，精细化管理意识仍然较薄弱，面临着如何强化的问题。大数据把人们对精细化管理的认识提高到了一个新的阶段。
（一）“大数据”是一种管理理念
“大数据”的核心理念是“一切皆可量化”，[1]因为它把管理真正建立在数据采集、数据分析、数据应用基础上。由此派生出“4V”分理念：Volume即海量的数据量和数据的完整性，Variety即数据间的内在关联性，Velocity 即数据能更快地满足实时性需求，Value即运用数据分析形成价值（这是“4V”中最重要的一点）。这四个分理念不仅与精细化管理的“精、准、细、严”理念一脉相承，与“注重细节、立足专业、科学量化”的原则一致，而且能够丰富、细化和深化我们对精细化管理的认识。如果城市管理者把“4V”意识内化于心，就能极大增强精细化管理的主动性，使精细化管理成为每一个管理者的自觉行为。
（二）大数据是一种管理技术
精细化管理需要对管理空间细化、管理对象量化、管理流程优化，需要运用标准化、数据化、科学化的手段，使管理的各单元精确、高效、协同及持续运行，而这离不开精确、高效的技术。在推进城市精细化管理中，我们提出无缝隙、全时段、全方位覆盖和无死角的管理目标，但心有余而力不足，这一目标可望不可即；我们建设城市管理数据库、地理信息平台、数字化城管、智慧城市，但效果不尽人意，原因是精细化管理的数据收集、提取和处理遇到了技术瓶颈。数据没有互联、互通、互享、互用，城市精细化管理难以有实质性进展。
城市精细化管理的技术框架由空间信息目录和交换技术、空间信息承载与可视技术、空间信息数据挖掘技术以及应用服务门户技术4个重点技术方面构成，[2]大数据技术与这个技术框架是吻合的。大数据时代，达到“太字节”（Terabyte， TB）量级以上的数据，现有IT技术、互联网技术和软硬件工具难以在有限的时间内，对其进行有效的感知、获取、管理、处理和利用，只有物联网、云计算、三网融合等新技术的发展，才能满足应用需求。这些大数据技术能够实现数据整合、共享、开放和集成运用，能够搭建新一代智慧化信息平台，使科技与城市管理更加融合，为城市管理精细化水平升级提供了有力的技术保障。
（三）大数据是一种管理文化
大数据不是一个简单的概念，而是一种内涵丰富的管理文化。它通过技术的创新和发展，以及数据的全面感知、收集、分析、共享，为人们提供了一种全新的看待世界的文化。第一，它是一种尊重事实的文化。数据是对客观事实的记录，如果不尊重数据，不以敬畏之心对待数据，就会把数据当作“可以任意打扮的小姑娘”。第二，它是一种追求精确的文化。我们可以用图案、声音、文字来描绘事实，而用数据描述的事实，是最精准、最锐利的。第三，它是一种推崇理性和逻辑的文化。有了数据就要计算，计算与逻辑、理性密切相关。[3]在城市管理的范畴里，大数据的意义在于对城市实施更全面、透彻的管理，为公众提供更便捷、实时的服务。
从这个意义上来说，大数据对管理的挑战，其实是对管理文化的挑战：在管理终端数量增长、数据空间变化和市民期望升高的形势下，城市管理如何实现从平面的、实体的事件管理向虚拟的、立体的数据拓展转变。
这种基于数据的管理文化，实质是精细化管理文化，是对粗放式管理文化的根本性变革，无论是对管理的体制机制，还是对管理的手段方式，都是一次全新的设计和创造。用这种新管理文化对城市精细化管理进行导引、调节、控制，必将激活流程、运作、资源、责任、监督等管理要素，及时发现问题，及时矫正管理行为，从而有效提高精细化管理水平。
二、以“大数据”提升城市精细化管理的决策力
决策支持系统结构化、非结构化混合的基础数据特征与“大数据”特征高度吻合。“大数据”技术的深入研究和应用，必将为城市精细化管理的决策力的提升带来新的发展动力和更为广阔的空间。[4]
（一）大数据有利于决策的科学化，使精确决策成为可能
决策的精确性来源于信息的全面性、准确性和信息的对称性。小数据时代，信息很难满足“三性”要求：城市管理者对于数据（包括信息、档案与资料等）在决策当中的重要性认识不够，收集数据的意识不强；城市管理“点多、面广、线长”，然而有关的数据非常匮乏；城市管理的数据收集不及时；城市管理的数据碎片化，数据种类不齐全、内容不详尽；数据条块化分割、冗余重复；数据归纳不科学、分析不专业，数据的挖掘和梳理不够。这些导致数据在决策中的应有作用不能完全发挥。
大数据的特征之一，就是城市管理者要有“数据驱动决策”的自觉。决策时要“基于实证”、“基于事实”，而不是“差不多”的模糊经验判断。要重视数据，相信数据，靠数据说话，有收集数据的意识和手段。
大数据的特征之二，就是要求数据的完整性和综合性。大数据的技术手段赋予了人们在更多领域、更多层次获取以往前所未有的信息的机会，数据呈现出体量大、类型多、电子化的特点，数据量级从TB级到PB级、ZB级；数据类型从结构化数据，拓展到文本、音频、视频、图片、地理位置、Web 页面、微博、及时通讯等其他半结构化与非结构化的数据；电子数据占比大幅提高。在这种背景下，城市管理不再是数据匮乏，而是数据“更多”，即围绕任何一个想要解决的城市管理问题，我们都可以比过去任何时候获取更多的数据，城市管理不再是无“米”之炊。 大数据的特征之三，就是要求数据的准确性。城市管理不再仅仅是定性管理，更多的是量化管理，即数据能提供城市管理更多细节，并且能不断放大这些细节，使城市管理者能把所管理的城市家底摸清楚，精确掌握管理的每一个对象、内容、状态、位置、属性等，做到心中有数，一目了然。这种基于事实和数据的量化分析，为城市管理相关政策的制定提供高准确率的参考性和预见性，使决策最大程度贴近事实，有效避免盲目臆想、凭印象、靠推测的感性决策。例如城市规划方面，通过对城市地理、气象等自然信息和经济、社会、文化、人口等人文社会信息的挖掘，可以为城市规划提供强大的决策支持。城市交通拥堵方面，通过收集数据，进行车流量的统计，对同时段不同区域拥堵原因做出分析，就能够将交通信息可视化，对同时段不同区域拥堵原因做出分析，可为道路规划的制定提供参考。将各部门的数据进行准确提炼和构建交通预测模型，可以有效模拟未来交通的运行状态，检验规划方案的可行性，避免“拍脑袋”决策。这为交通科学决策和管理提供了一条便捷又较为可行的路。突出的案例是，爱尔兰首都都柏林已经与IBM合作，利用实时数据来简化公共交通。大数据策略帮助了该地区的公交顺畅运行。
（二）大数据有利于发现城市管理过程中的工作规律和相关关系，使管理者找到更多解决问题的最佳方案成为可能
“相关性”，也是大数据赋予决策的重要价值，它意味着城市管理的考量将从因果关系转向相关关系。小数据时代，只能从事简单的数据采集处理工作，城市管理重在分析问题发生的原因，探寻“为什么”。大数据时代，重在寻找“是什么”，因为它可以对数据进行由粗及细、由表及里的深度挖掘分析，并对数据进行建模，利用所建的模型将城市管理内在的关联性、规律性从数据中找出来。这就要求管理者养成全方位的数据控制和精细分析数据的文化和习惯，崇尚理性分析，通过从多个角度和多个层次对历史和现实数据不断提炼、精心筛选，从而打开管理者的思维空间，找到解决问题的最佳方案。例如，对供水、排水、排污、电力、燃气、广播电视、电话电缆、移动通讯等地下管线及其附属设施的管理这个老大难问题，大数据开出了解决良方：经过地下管线普查，建立地下管线数据库，实现地下管线的数据即时交换、共建共享、动态更新。相关管理部门通过对地下管线密度或受力数据的区域横向比对，预测分析出工程项目对邻近管线的影响，从而使建设方案得到最大程度的优化，避免“拉链路”现象。
（三）大数据有利于管理者精准了解和把握城市管理现有和潜在的风险和隐患，使决策的针对性和实效性增强成为可能
例如在城市的安防管理方面，如何识别什么样的建筑物容易发生火灾，纽约市政府的经验值得借鉴。纽约市政府通过对非法建筑业使用大数据技术搜集信息，包括对非法建设的建筑物等进行统计分析发现，原来只能容纳6个人后来却住入60个人的建筑就比较容易引发火灾，且这些建筑物逃生口往往被堵塞，危害更大。纽约市对1938年之前的建筑是否做过抵押、被投诉等进行统计，根据分析一系列过往记录，纽约房管部门可以判断该建筑物是否有火灾危险。现在纽约风管局已通过大数据识别了70%有危险的建筑物。这样，就可以根据危险建筑物的分布，有针对性地安排消防力量。[5]
（四）大数据有利于制订精密的管理制度和一系列具体而周密的操作规范、流程，使城市管理标准的精细化成为可能
每一种管理行为如何做、何时做、做到什么程度，要遵循哪些规范，经过哪些流程，都要在管理标准上做出明确规定。制度规范要精细而周密，无空可钻，无机可乘。流程既要分解精细又要无缝链接，离不开精准的数据。例如，由于对街景容貌、园林绿地、环境卫生、广告设置等管理对象的数据缺乏，很难制订一套科学、系统、完整的精细化管理指标体系。“大数据”弥补了这一不足，它将数据化管理贯穿于城市管理工作全过程，使城市管理的标准化变为现实。
三、以大数据提升城市精细化管理的执行力
（一）大数据为精细化执行提供了科学的方法支持
实现城市管理由粗放到精细的转变必须有精细化的管理方法。目前城市管理运用较多的方法有两种：一是网格化管理法。以若干平方米为基本单位，将城市划分为若干个边界清楚、无缝对接的网格单元，把城市管理对象定位在单元网格内，使城市管理者与城市管理问题准确定位。大数据为合理划分网格、精细描述管理对象、精确采集管理服务信息、精准处理管理问题提供了技术支撑，能够实现管理对象全面覆盖、资源信息全面共享、岗位责任层级落实，保证管理活动快速灵敏反应。二是城市部件管理法。根据城市管理静态与动态两方面的属性，将管理对象细分为几类部件，运用地理编码技术，将部件按照地理坐标定位到万米单元网格地图上，通过城市管理信息平台对其进行分类管理，实现城市管理内容的具体化、标准化、数字化，这些也必须建立在“大数据”的基础之上。
（二）大数据为精细化执行提供了强大的动力支持
实施精细化管理重在落实，落实的关键是要以精细化的考核来驱动管理者的执行力。大数据提供了精细化的目标管理考核体系，让考核数据化。它在精细化管理对象的基础上，结合每个管理者的责任把分解后的工作目标任务分解为每个人的具体工作目标任务。这些具体工作目标任务都是量化的考核指标。管理部门通过数据来查看、评估管理者的工作动态，进行绩效考核，从而保证目标考核制度得到有效落实。
（三）大数据为精细化执行提供了有力的联动支持
精细化执行必须得到许多部门的支持与配合，这就需要建立多部门信息互通、相互协作的联动工作机制。小数据时代，不同政府部门拥有自己的信息系统，很多数据相互隔离，老死不相往来，形成了一个个信息孤岛，制约了数据活力的激发和效益的发挥。大数据带来数据信息大共享，在技术上通过跨系统、跨部门的数据集成打破信息孤岛，使各个部门的既有数据库可以实现高效互联互通，极大提高各部门之间的协同执行力。
（四）大数据为精细化执行提供了有效的监督支持
现有对执行的监督存在的主要问题是，城市管理的数据信息公开度低，互动不强，非政府组织、社会团体、社会各界和广大市民在监督中参与度低，主体作用得不到体现。大数据提供的监督支持表现在：大数据要求数据的开放，增加了城市管理的透明度；强调管理互动，政府这个城市管理主体要和其他主体互动，如果不互动，很多数据就没有价值。因此，非政府组织、社会团体、社会各界和市民对政府公布的数据可以质疑，可以提起审核，这样，监督就落到了实处。
参考文献：
[1]维克托・迈尔-舍恩伯格.大数据时代[M].杭州：浙江人民出版社，2013.
[2]郭理桥.现代城市精细化管理[M].北京：中国建筑工业出版社，2010.
[3]涂子沛.数据之巅[M].北京：中信出版社出版，2014.
[4]叶明.“大数据”时代决策支持系统新发展[J].信息安全与技术，2003（8）.
[5]吕本富.大数据背景下的智慧城市建设[EB/OL].神州数码网，2013-08-02[2014-06-20].http：//www.digitalchina.com/salon/thesis_detail_id_127.html.
责任编辑：王 缙
图片等城市管理中的数据挖掘(三)
大数据在智慧城市建设中的运用
【摘 要】随着城市化进程和城市体系与空间分布的快速变化，智慧城市建设成为目前研究的热点问题，大数据是支撑智慧城市建设的基石，也是影响城市建设、管理决策的关键。介绍大数据在智慧城市中发挥的作用，为进一步研究大数据技术在智慧城市中的应用奠定基础，也为搭建智慧城市数字化平台提供参考。 【关键词】智慧城市；大数据；数据挖掘；数据分析
【Abstract】With the development of urbanization and spatial distribution， wisdom city construction has become the hot issues in current study， large data is the cornerstone of wisdom city construction， is a key of city construction， management decision. We introduce the large data play in the role of wisdom City， lay the foundation for further study on Application of big data technology， provides the reference for the building wisdom city digital platform.
【Key words】Wisdom City； Big data； Data mining； Data analysis
0 引言
大数据时代的到来打破了数据的垄断，信息源的扩大化和丰富化是大数据时代的重要特点。在未来，大数据将遍布城市各个角落，不管是人们的衣食住行，还是城市的运营管理，都将在大数据支撑下走向“智慧化”，而大数据将为智慧城市提供“智慧引擎”。
1 大数据的含义以及特征
大数据又被称为巨量数据，指的是所涉及的数据规模巨大，以至于无法在合理时间内通过人工截取、管理、处理并成为人类所能解读的信息[1]。这些数据来自方方面面，比如传感器采集的气候信息、数字照片和视频、购物交易记录、手机信号等。
大数据具有四个特征：
（1）数据量大，大数据的起始计量单位至少是P、E或Z。
（2）数据类型繁多，包括网络日志、音频、视频、图片、地理位置信息等，因而对数据的处理能力提出了更高的要求。
（3）价值密度相对较低，信息海量但是要完成数据的价值“提纯”难度较大。
（4）巨大的数据价值，包括商业价值、社会价值、科研价值等。
2 大数据与智慧城市建设
近年来，国内外掀起了智慧城市建设的热潮，仅我国明确提出创建智慧城市行动计划及发展战略的城市已有200多个。大数据为智慧城市建设提供了新的技术、路径、要求和机遇。
2.1 大数据是智慧城市建设的关键技术
智慧城市相对于数字城市概念，最大的区别在于对感知层获取的数据进行大数据处理，从而获得支撑和保障智慧城市顺利运营的多元信息。
要实现对数字信息的智慧处理，前提是引入大数据处理技术，从而来整合分析跨地域、跨行业、跨部门的海量数据的处理，将特定的信息应用于特定的行业和特定的解决方案中。
智慧城市的应用过程实际上就是对数据采集、分析、存储和利用的过程[2]，大数据是智慧城市各个领域都能够实现“智慧化”的关键性支撑技术。
2.2 大数据在智慧城市中有广泛的应用领域
大数据在智慧城市中的落脚点是为智慧城市的各个领域提供强大的决策支持，大数据就像血液一样遍布智慧交通、智慧医疗、智慧生活等智慧城市各个应用系统，科学治理城市。
在智慧交通系统中，通过对道路、车辆、天气、行人等大量交通信息的实时挖掘，能有效缓解交通拥堵，并快速响应突发状况，为城市交通的良性运转提供科学的决策依据。
在智慧安防系统中，通过平安城市、智能交通管理、环境保护、危化品运输监控、食品安全监控等大数据的挖掘，可以及时发现人为或自然灾害、恐怖事件，提高应急处理能力和安全防范能力等。
在智慧城管系统中，通过对不同时间段、不同区域、不同部门获得的大量监测数据进行实时采集、实时处理及深度挖掘，实现对城市管理实时监控与长期管理优化。
2.3 大数据对智慧城市建设提出了新的要求
大数据为智慧城市建设提供了新的技术和手段，同时也为智慧城市建设提出了新的要求。
一是，要更加注重信息共享。我国智慧城市建设的一个瓶颈在于“信息孤岛”效应[3]，各政府部门间不愿公开、分享数据，无法产生数据的深度价值和综合价值。在大数据时代，智慧城市建设应大力推进大数据基础平台和基础网络建设，积极推进信息资源数据交换和共享体系建设，使大数据真正产生“大智慧”。
二是，要更加注重信息安全。大数据时代，数据资产化成为趋势，企业内部运行数据和客户资料成为宝贵的数据资产，而且很多智慧城市应用系统涉及公民财产安全甚至国家安全，数据价值很高，因此信息安全问题成为大数据时代智慧城市建设重要难题。
三是，要更加注重大数据产业的发展。智慧城市必然催生大数据运营行业的快速发展，包括大数据的采集、储存、分析、挖掘等相关技术并且市场潜力十分巨大。未来三年我国智慧城市大数据应用市场年均将翻番。因此，在智慧城市建设过程中，要高度重视、积极培育围绕大数据运营管理的相关产业和龙头企业。
3 智慧城市与大数据实践经验
从国家政策来看，中国“863计划”智慧城市项目总体技术体系架构在科技部863计划“智慧城市（一期）”项目的支持下，提出了“六横两纵”的智慧城市技术框架。“六横”层层递进，最下层的是城市的感知层，再是传输层，再上面依次分别是处理层、支撑服务层、应用服务层，最上面是智慧应用层，贯穿全局的是安全保障体系以及标准与评测。而要真正实现智慧城市，必须引入大数据技术，主要包含以下三大方面的需求。 3.1 大数据融合技术
我国智慧城市建设面临的重大挑战之一，是城市系统之间由于标准问题无法有效集成，形成信息孤岛。因此，在大数据融合技术领域，一方面要加强大数据标准建设，另一方面要加强海量异构数据建模与融合、海量异构数据列存储与索引等关键技术研发[4]，给予底层数据集成的信息共享提供标准和技术保障。
3.2 大数据处理技术
大规模数据在智慧城市系统流动过程中，出于传输效率、数据质量与安全等因素的考虑，需要对大规模数据进行预处理。大数据处理技术往往需要与基于云计算的并行分布式技术相结合，这也是目前国际产业界普遍采用的技术方案。
3.3 大数据分析和挖掘技术
相比于大数据融合和处理技术，大数据分析与挖掘技术更为复杂，是国际学术界和产业界面临的极具挑战性的技术难题。
4 大数据时代推进智慧城市建设的几点建议
4.1 强化对大数据的研究
引导科研院所和相关企业成立大数据技术创新联盟，进一步加强对大数据发展前沿技术和信息的持续跟踪研究。积极开展以社会需求为导向的大数据科学研究，建立大数据分析平台，努力推出具有自主知识产权的大数据分析设备、软件和服务，加速大数据理论、技术和应用的创新。
4.2 优化大数据形成机制
加强政府部门在管理和服务过程中对数据的主动采集，在构建人口、法人、自然资源与空间地理、宏观经济等基础数据库，经济社会重点领域的信息资源综合数据库和专业数据库的基础上，建立政府大数据库。鼓励制造业企业和商业机构加强对生产经营活动中的数据采集，形成覆盖生产过程和商业各环节各流程的数据库。推进无线识别技术、传感器、无线网络、传感网络等新技术的广泛应用，提高数据采集的智能化水平。强化对大数据建设工作的组织协调，打破地区和部门数据壁垒，实现数据资源联合共建、广泛共享。
4.3 加快大数据产业发展
出台大数据产业发展与应用规划纲要，规划建设大数据产业基地，出台专项政策，成立产业发展基金，搭建研发创新平台，吸引电信运营商、知名大数据企业以及互联网领军企业落户。积极培育本地大数据企业，进一步培养和引进大数据专业人才、领军人才、应用型人才，重点发展数据获取、存储、集成、挖掘、管理、融合、安全、可视化、建模等技术以及大数据一体机、新型架构计算机、大数据获取工具、大数据管理产品、大数据分析软件等硬件装备和软件产品。
4.4 推进大数据普及应用
从推进大数据商业化应用、推动政务大数据应用两方面入手，大力促进大数据普及应用。在政务方面，重点选取医疗卫生、食品安全、港口物流、智慧交通、公共安全、科技服务等具有大数据基础的领域，建设大数据公共服务平台，强化大数据在智慧城市建设应用系统中的应用。
在商业方面，实施典型应用示范工程，支持和鼓励行业协会、中介组织开发深度加工的行业应用数据库，建立行业应用和商业服务大数据公共服务平台，提供数据挖掘分析和商业智能等大数据应用服务。推动大数据在生产过程中的应用，鼓励有条件的企业运用大数据开展个性化制造，创新生产管理模式，提高企业竞争力。
4.5 加强大数据规范管理
研究大数据产业相关的政策法规，提出数据资源权益、隐私保护等方面的法规细则建议，制定大数据相关标准，并提出技术解决手段，在保护数据资源的同时，促进数据资源合理有序地开发利用。在人才、财税、科技金融等方面出台有利于数据人才和数据产业发展的政策，逐步建立有利于大数据研究与发展的制度法规体系。重视大数据及其信息安全体系建设，加大对大数据信息安全形势的宣传力度，明确大数据的重点保障对象，加强对敏感和要害数据的监管，加快面向大数据的信息安全技术的研究，培养大数据安全的专业人才，建立并完善大数据信息安全体系。
5 结束语
智慧城市是城镇化进程的下一个阶段，是城市信息化的新高度，是现代城市发展的远景。无线城市、数字城市、平安城市、感知城市是智慧城市的必要条件。诚信城市、绿色城市、健康城市、人文城市是智慧城市应有之意，智慧城市产生大数据，大数据反过来支撑智慧城市。智慧城市与大数据技术相结合一定会有璀璨的明天。
【参考文献】
[1]李小龙.基于MapReduce的电子商务个性化推荐研究[D].北京：北京交通大学，2014.
[2]王静远.以数据为中心的智慧城市研究综述[J].计算机研究与发展，2014，51（2）：239-260.
[3]谷春宇.智慧城市IT应用模式研究[D].哈尔滨：哈尔滨理工大学，2014.
[4]明仲，王强.大数据助力智慧城市科学治理[J].深圳大学学报：人文社会科学版，2013，30（4）：27-38.
[责任编辑：杨玉洁]
http://m.zhuodaoren.com/ziwo370577/
推荐访问:数据挖掘与知识管理 数据挖掘中的模型
