| 摘要 | 第6-9页 |
| abstract | 第9-12页 |
| 第1章 绪论 | 第19-45页 |
| 1.1 研究背景与意义 | 第19-22页 |
| 1.1.1 研究背景 | 第19-21页 |
| 1.1.2 研究意义 | 第21-22页 |
| 1.2 国内外研究现状与发展趋势 | 第22-40页 |
| 1.2.1 智慧城市概念综述 | 第23-25页 |
| 1.2.2 智慧民生要素综述 | 第25-40页 |
| 1.3 研究内容与技术路线 | 第40-41页 |
| 1.3.1 研究内容 | 第40页 |
| 1.3.2 技术路线 | 第40-41页 |
| 1.4 本文的组织结构 | 第41-42页 |
| 1.5 本文的创新与不足 | 第42-45页 |
| 1.5.1 本文的创新点 | 第42-43页 |
| 1.5.2 不足之处 | 第43-45页 |
| 第2章 相关理论基础 | 第45-78页 |
| 2.1 智慧城市与智慧民生的相关概念 | 第45-51页 |
| 2.1.1 智慧城市的定义和特征 | 第45-47页 |
| 2.1.2 智慧城市的架构及重点 | 第47-49页 |
| 2.1.3 智慧城市的北京演进 | 第49-51页 |
| 2.2 智慧民生体系构成要素 | 第51-57页 |
| 2.2.1 智慧民生定义的提出 | 第51-52页 |
| 2.2.2 智慧交通的涵义 | 第52-53页 |
| 2.2.3 智慧教育的涵义 | 第53-55页 |
| 2.2.4 智慧资源与环境的涵义 | 第55-56页 |
| 2.2.5 智慧医疗的涵义 | 第56-57页 |
| 2.3 数据挖掘技术在智慧民生中的应用 | 第57-78页 |
| 2.3.1 神经网络 | 第57-67页 |
| 2.3.2 集成学习 | 第67-72页 |
| 2.3.3 支持向量机 | 第72-73页 |
| 2.3.4 关联规则 | 第73-74页 |
| 2.3.5 聚类算法 | 第74-75页 |
| 2.3.6 文本挖掘 | 第75-76页 |
| 2.3.7 ARIMA模型 | 第76-78页 |
| 第3章 基于分层模型和图模型的智慧民生网络体系构建 | 第78-103页 |
| 3.1 研究背景 | 第78-79页 |
| 3.2 模型介绍 | 第79-83页 |
| 3.2.1 多层线性模型 | 第79-81页 |
| 3.2.2 概率图模型 | 第81-83页 |
| 3.3 研究思路与方法 | 第83-84页 |
| 3.4 智慧民生体系构建方法及估计 | 第84-92页 |
| 3.4.1 模型设定 | 第85-88页 |
| 3.4.2 参数估计 | 第88-92页 |
| 3.5 研究结果 | 第92-103页 |
| 3.5.1 分层模型估计结果 | 第94-97页 |
| 3.5.2 无向图模型的层内相关关系 | 第97-101页 |
| 3.5.3 有向图模型层次内的因果关系 | 第101-103页 |
| 第4章 智慧交通实证分析 | 第103-141页 |
| 4.1 共享单车实证分析 | 第104-119页 |
| 4.1.1 背景介绍及分析 | 第104-107页 |
| 4.1.2 数据来源及描述 | 第107-108页 |
| 4.1.3 描述性统计分析 | 第108-111页 |
| 4.1.4 共享单车特征规律探索 | 第111-118页 |
| 4.1.5 政策建议 | 第118-119页 |
| 4.2 北京市智慧出租实证分析 | 第119-141页 |
| 4.2.1 背景及需求分析 | 第119-121页 |
| 4.2.2 数据来源及分析 | 第121页 |
| 4.2.3 出租车投诉模型研究 | 第121-124页 |
| 4.2.4 描述性统计分析 | 第124-128页 |
| 4.2.5 关联规则挖掘潜在关系 | 第128-130页 |
| 4.2.6 投诉文本分析 | 第130-135页 |
| 4.2.7 订单量预测 | 第135-139页 |
| 4.2.8 政策建议 | 第139-141页 |
| 第5章 智慧资源与环境实证分析 | 第141-163页 |
| 5.1 北京市空气质量的实证分析 | 第142-151页 |
| 5.1.1 基本情况 | 第142-143页 |
| 5.1.2 PM2.5浓度分布计算 | 第143-144页 |
| 5.1.3 空气质量时间变化特征 | 第144-148页 |
| 5.1.4 模型实证分析 | 第148-151页 |
| 5.2 北京市住宅价格影响实证分析 | 第151-163页 |
| 5.2.1 影响因素分析 | 第152-156页 |
| 5.2.2 北京市二手房房价分布分析 | 第156-157页 |
| 5.2.3 交通因素对房价的分布分析 | 第157-159页 |
| 5.2.4 基于聚类方法探索教育对房价的影响 | 第159-160页 |
| 5.2.5 北京房价的时空预测 | 第160-161页 |
| 5.2.6 小结及政策建议 | 第161-163页 |
| 第六章 结论与展望 | 第163-167页 |
| 6.1 研究结论 | 第164-166页 |
| 6.2 研究不足与展望 | 第166-167页 |
| 参考文献 | 第167-180页 |
| 致谢 | 第180-181页 |
| 个人简历 在读期间发表的学术论文与研究成果 | 第181-183页 |