- 中国林业出版社
- 9787521931938
- 1版
- 2025-04
- 工学
- 计算机类
- 计算机
- 本科
内容简介
随着信息化和数字化加
速推进，大数据技术正深刻
影响着各行各业的运作模式
。本教材系统介绍大数据的
基础理论、关键技术及应用
，为研究、教学及实践人员
提供全面指南。
本教材共9章，涵盖大数
据概念、技术框架、核心工
具、治理方法及伦理问题。
结合智慧林业需求，探讨大
数据在生态保护、资源管理
和决策支持中的应用。书中
还阐述了云计算、物联网、
人工智能等技术如何赋能大
数据，通过案例讲解数据采
集、处理、存储和分析的全
过程，并探讨林业大数据的
关键技术与实践方案。
此外，本教材关注大数
据治理与伦理，探讨隐私保
护、数据质量及伦理问题，
强调技术进步与社会责任的
平衡。内容紧跟技术前沿，
理论结合实际，适合技术人
员、科研人员、高校师生及
管理者参考学习。
速推进，大数据技术正深刻
影响着各行各业的运作模式
。本教材系统介绍大数据的
基础理论、关键技术及应用
，为研究、教学及实践人员
提供全面指南。
本教材共9章，涵盖大数
据概念、技术框架、核心工
具、治理方法及伦理问题。
结合智慧林业需求，探讨大
数据在生态保护、资源管理
和决策支持中的应用。书中
还阐述了云计算、物联网、
人工智能等技术如何赋能大
数据，通过案例讲解数据采
集、处理、存储和分析的全
过程，并探讨林业大数据的
关键技术与实践方案。
此外，本教材关注大数
据治理与伦理，探讨隐私保
护、数据质量及伦理问题，
强调技术进步与社会责任的
平衡。内容紧跟技术前沿，
理论结合实际，适合技术人
员、科研人员、高校师生及
管理者参考学习。
目录
前言
第1章 数据与大数据概述
1.1 认识数据
1.1.1 DIKW模型
1.1.2 数据的概念
1.1.3 数据的特征
1.2 大数据时代
1.2.1 大数据发展史
1.2.2 大数据产业链
1.3 大数据的特征
1.3.1 大数据的“4V”特征
1.3.2 大数据特征中存在的挑战
1.4 认识林业大数据
1.4.1 智慧林业
1.4.2 智慧林业的关键技术及应用
参考文献
第2章 云计算、物联网、人工智能与大数据
2.1 云计算
2.1.1 云计算在各场景的应用
2.1.2 云计算发展历程
2.1.3 云计算的服务模式
2.1.4 云计算的关键技术
2.2 物联网
2.2.1 物联网的起源与历程
2.2.2 物联网的主要特征
2.2.3 互联网技术的含义与产业体系
2.3 人工智能
2.3.1 人工智能的发展历程与展望
2.3.2 人工智能的主要特征及其核心技术
2.3.3 人工智能技术的应用
2.4 大数据与云计算、物联网、人工智能的关系
2.4.1 大数据与云计算的关系
2.4.2 大数据与物联网的关系
2.4.3 大数据与人工智能的关系
2.4.4 云计算、物联网与人工智能的关系
参考文献
第3章 大数据获取与感知
3.1 大数据采集
3.1.1 大数据的类型
3.1.2 大数据采集的步骤及要点
3.1.3 大数据采集的方法
3.2 大数据预处理
3.2.1 数据清洗
3.2.2 数据集成
3.2.3 数据转换
3.2.4 数据归约
3.3 大数据感知
3.3.1 传感器技术
3.3.2 无人机数据采集
3.4 大数据处理常用工具
3.4.1 Flume
3.4.2 网络爬虫
3.4.3 Chukwa
参考文献
第4章 大数据存储与管理
4.1 数据存储与大数据存储概述
4.1.1 传统的数据存储
4.1.2 大数据存储
4.2 数据管理发展历程
4.2.1 人工管理阶段
4.2.2 文件系统阶段
4.2.3 数据库系统阶段
4.2.4 大数据管理阶段
4.3 并行数据库
4.3.1 并行数据库概述
4.3.2 并行数据库主要技术
4.3.3 并行数据库的主要应用场景
4.4 NoSQL数据库管理系统
4.4.1 NoSQL概述
4.4.2 NoSQL数据库分类
4.4.3 NoSQL数据库的应用场景
4.5 NewSQL数据库管理系统
4.5.1 NewSQL数据库的概述
4.5.2 NewSQL数据库的分类
4.5.3 NewSQL数据库的应用场景
4.6 林业大数据的存储与管理实例
4.6.1 全球森林观察
4.6.2 谷歌地球引擎
4.6.3 森林病虫害实时监测系统
参考文献
第5章 大数据分析与处理
5.1 可视化分析
5.1.1 数据可视化概述和流程
5.1.2 可视化图表
5.1.3 可视化工具
5.1.4 可视化分析最新的趋势
5.2 机器学习算法概述
5.2.1 机器学习算法的分类
5.2.2 机器学习的流程
5.2.3 机器学习的应用
5.3 数据挖掘分析
5.3.1 数据挖掘常用方法
5.3.2 数据挖掘流程
5.3.3 数据挖掘技术
5.4 预测性分析
5.4.1 预测性分析概述
5.4.2 预测性分析方法
5.5 即席查询分析
5.5.1 即席查询分析概述
5.5.2 即席查询分析方法
5.6 林业大数据分析实例
参考文献
第6章 大数据处理的工具
6.1 Hadoop
6.1.1 Hadoop概述
6.1.2 Hadoop核心构架及组件
6.1.3 Hadoop的获取及发展趋势
6.2 Spark
6.2.1 Spark概述
6.2.2 Spark的核心构架及组件
6.2.3 Spark的获取及其发展趋势
6.3 Storm
6.3.1 Storm概述
6.3.2 Storm的核心构架及组件
6.3.3 Storm的获取及其发展趋势
6.4 R语言
6.4.1 R语言概述
6.4.2 R语言的运用与获取
6.5 Python语言
6.5.1 Python语言概述
6.5.2 Python语言的运用与获取
6.6 林业大数据处理案例
参考文献
第7章 大数据的治理
7.1 大数据治理框架
7.1.1 大数据治理框架概述
7.1.2 DAMA数据管理体系
7.1.3 CMMI-DMM数据治理体系
7.1.4 DCMM数据治理体系
7.1.5 ITSS数据治理框架
7.2 大数据治理准则
7.2.1 大数据治理的基本原则
7.2.2 大数据治理过程
7.3 大数据隐私
7.3.1 大数据隐私保护概述
7.3.2 大数据隐私保护的方法
7.4 大数据质量
7.4.1 大数据质量概述
7.4.2 数据质量的评估标准和步骤
7.4.3 如何提高大数据的质量
7.5 林业大数据治理案例
7.5.1 大理移动智慧林业管护平台
7.5.2 大理市智慧林草系统
7.5.3 丘北县“智慧林长平台”
参考文献
第8章 大数据应用
8.1 大数据应用概述
8.2 大数据在互联网领域的应用
8.3 大数据在生物医药领域的应用
8.3.1 主要应用场景
8.3.2 应用案例——综合健康服务平台
8.4 大数据在物流领域的应用
8.4.1 主要应用场景
8.4.2 应用案例——智能菜鸟
8.5 大数据在城市管理领域的应用
8.5.1 主要应用场景
8.5.2 应用案例——智慧城市管理
8.6 大数据在林业领域的应用
8.6.1 大数据在林业领域的主要应用场景
8.6.2 应用案例分析——智慧林草
8.7 大数据在农业领域的应用
8.7.1 大数据在农业领域的主要应用场景
8.7.2 应用案例——云南保山咖啡监测大数据平台
参考文献
第9章 大数据伦理
9.1 大数据伦理概述
9.2 大数据伦理问题
9.2.1 大数据显性伦理问题
9.2.2 大数据隐性伦理问题
9.3 大数据伦理问题原因分析
9.3.1 道德规范的缺失
9.3.2 法律体系不健全
9.3.3 管理机制不完善
9.3.4 大数据本身的缺陷
9.4 大数据伦理问题的治理
9.4.1 加强大数据伦理道德建设
9.4.2 完善法律机制
9.4.3 健全大数据管理机制
9.4.4 完善大数据技术
参考文献
第1章 数据与大数据概述
1.1 认识数据
1.1.1 DIKW模型
1.1.2 数据的概念
1.1.3 数据的特征
1.2 大数据时代
1.2.1 大数据发展史
1.2.2 大数据产业链
1.3 大数据的特征
1.3.1 大数据的“4V”特征
1.3.2 大数据特征中存在的挑战
1.4 认识林业大数据
1.4.1 智慧林业
1.4.2 智慧林业的关键技术及应用
参考文献
第2章 云计算、物联网、人工智能与大数据
2.1 云计算
2.1.1 云计算在各场景的应用
2.1.2 云计算发展历程
2.1.3 云计算的服务模式
2.1.4 云计算的关键技术
2.2 物联网
2.2.1 物联网的起源与历程
2.2.2 物联网的主要特征
2.2.3 互联网技术的含义与产业体系
2.3 人工智能
2.3.1 人工智能的发展历程与展望
2.3.2 人工智能的主要特征及其核心技术
2.3.3 人工智能技术的应用
2.4 大数据与云计算、物联网、人工智能的关系
2.4.1 大数据与云计算的关系
2.4.2 大数据与物联网的关系
2.4.3 大数据与人工智能的关系
2.4.4 云计算、物联网与人工智能的关系
参考文献
第3章 大数据获取与感知
3.1 大数据采集
3.1.1 大数据的类型
3.1.2 大数据采集的步骤及要点
3.1.3 大数据采集的方法
3.2 大数据预处理
3.2.1 数据清洗
3.2.2 数据集成
3.2.3 数据转换
3.2.4 数据归约
3.3 大数据感知
3.3.1 传感器技术
3.3.2 无人机数据采集
3.4 大数据处理常用工具
3.4.1 Flume
3.4.2 网络爬虫
3.4.3 Chukwa
参考文献
第4章 大数据存储与管理
4.1 数据存储与大数据存储概述
4.1.1 传统的数据存储
4.1.2 大数据存储
4.2 数据管理发展历程
4.2.1 人工管理阶段
4.2.2 文件系统阶段
4.2.3 数据库系统阶段
4.2.4 大数据管理阶段
4.3 并行数据库
4.3.1 并行数据库概述
4.3.2 并行数据库主要技术
4.3.3 并行数据库的主要应用场景
4.4 NoSQL数据库管理系统
4.4.1 NoSQL概述
4.4.2 NoSQL数据库分类
4.4.3 NoSQL数据库的应用场景
4.5 NewSQL数据库管理系统
4.5.1 NewSQL数据库的概述
4.5.2 NewSQL数据库的分类
4.5.3 NewSQL数据库的应用场景
4.6 林业大数据的存储与管理实例
4.6.1 全球森林观察
4.6.2 谷歌地球引擎
4.6.3 森林病虫害实时监测系统
参考文献
第5章 大数据分析与处理
5.1 可视化分析
5.1.1 数据可视化概述和流程
5.1.2 可视化图表
5.1.3 可视化工具
5.1.4 可视化分析最新的趋势
5.2 机器学习算法概述
5.2.1 机器学习算法的分类
5.2.2 机器学习的流程
5.2.3 机器学习的应用
5.3 数据挖掘分析
5.3.1 数据挖掘常用方法
5.3.2 数据挖掘流程
5.3.3 数据挖掘技术
5.4 预测性分析
5.4.1 预测性分析概述
5.4.2 预测性分析方法
5.5 即席查询分析
5.5.1 即席查询分析概述
5.5.2 即席查询分析方法
5.6 林业大数据分析实例
参考文献
第6章 大数据处理的工具
6.1 Hadoop
6.1.1 Hadoop概述
6.1.2 Hadoop核心构架及组件
6.1.3 Hadoop的获取及发展趋势
6.2 Spark
6.2.1 Spark概述
6.2.2 Spark的核心构架及组件
6.2.3 Spark的获取及其发展趋势
6.3 Storm
6.3.1 Storm概述
6.3.2 Storm的核心构架及组件
6.3.3 Storm的获取及其发展趋势
6.4 R语言
6.4.1 R语言概述
6.4.2 R语言的运用与获取
6.5 Python语言
6.5.1 Python语言概述
6.5.2 Python语言的运用与获取
6.6 林业大数据处理案例
参考文献
第7章 大数据的治理
7.1 大数据治理框架
7.1.1 大数据治理框架概述
7.1.2 DAMA数据管理体系
7.1.3 CMMI-DMM数据治理体系
7.1.4 DCMM数据治理体系
7.1.5 ITSS数据治理框架
7.2 大数据治理准则
7.2.1 大数据治理的基本原则
7.2.2 大数据治理过程
7.3 大数据隐私
7.3.1 大数据隐私保护概述
7.3.2 大数据隐私保护的方法
7.4 大数据质量
7.4.1 大数据质量概述
7.4.2 数据质量的评估标准和步骤
7.4.3 如何提高大数据的质量
7.5 林业大数据治理案例
7.5.1 大理移动智慧林业管护平台
7.5.2 大理市智慧林草系统
7.5.3 丘北县“智慧林长平台”
参考文献
第8章 大数据应用
8.1 大数据应用概述
8.2 大数据在互联网领域的应用
8.3 大数据在生物医药领域的应用
8.3.1 主要应用场景
8.3.2 应用案例——综合健康服务平台
8.4 大数据在物流领域的应用
8.4.1 主要应用场景
8.4.2 应用案例——智能菜鸟
8.5 大数据在城市管理领域的应用
8.5.1 主要应用场景
8.5.2 应用案例——智慧城市管理
8.6 大数据在林业领域的应用
8.6.1 大数据在林业领域的主要应用场景
8.6.2 应用案例分析——智慧林草
8.7 大数据在农业领域的应用
8.7.1 大数据在农业领域的主要应用场景
8.7.2 应用案例——云南保山咖啡监测大数据平台
参考文献
第9章 大数据伦理
9.1 大数据伦理概述
9.2 大数据伦理问题
9.2.1 大数据显性伦理问题
9.2.2 大数据隐性伦理问题
9.3 大数据伦理问题原因分析
9.3.1 道德规范的缺失
9.3.2 法律体系不健全
9.3.3 管理机制不完善
9.3.4 大数据本身的缺陷
9.4 大数据伦理问题的治理
9.4.1 加强大数据伦理道德建设
9.4.2 完善法律机制
9.4.3 健全大数据管理机制
9.4.4 完善大数据技术
参考文献
