| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1 引言 | 第10-13页 |
| ·研究背景与意义 | 第10-11页 |
| ·研究背景 | 第10页 |
| ·研究意义 | 第10-11页 |
| ·研究内容和创新点 | 第11页 |
| ·研究内容 | 第11页 |
| ·主要创新点 | 第11页 |
| ·本文结构安排 | 第11-13页 |
| 2 智慧城市评价相关研究评述 | 第13-18页 |
| ·智慧城市内涵的研究 | 第13-14页 |
| ·以技术突破为核心的观点 | 第13页 |
| ·以提升城市运行效率为核心的观点 | 第13页 |
| ·以提高民生服务质量为核心的观点 | 第13-14页 |
| ·智慧城市评价体系研究 | 第14-16页 |
| ·智慧城市评价维度 | 第14-15页 |
| ·智慧城市评价指标选取 | 第15-16页 |
| ·智慧城市评价方法 | 第16页 |
| ·智慧城市评价研究小结 | 第16-18页 |
| ·关于智慧城市内涵的文献评述 | 第16-17页 |
| ·关于智慧城市评价体系的文献评述及不足 | 第17-18页 |
| 3 基于目标层次分析法的智慧城市评价指标体系初建 | 第18-28页 |
| ·指标初选的方法选择 | 第18页 |
| ·现有指标体系梳理 | 第18-22页 |
| ·硬件导向分类 | 第20-21页 |
| ·指标投入、产出、效益分类 | 第21页 |
| ·指标主客观分类 | 第21-22页 |
| ·指标初选 | 第22-26页 |
| ·智慧城市评价指标体系结构 | 第22页 |
| ·智慧城市指标体系初建 | 第22-26页 |
| ·本章小结 | 第26-28页 |
| 4 基于 SVM-RFE 检验的特征选择智慧城市评价指标优化筛选 | 第28-39页 |
| ·特征选择概述 | 第28-29页 |
| ·特征选择的流程 | 第28页 |
| ·特征选择回归算法 | 第28-29页 |
| ·支持向量机概述 | 第29-33页 |
| ·统计学习理论 | 第29-30页 |
| ·SVM 的原理 | 第30-32页 |
| ·SVM-RFE 算法 | 第32-33页 |
| ·SVM-RFE 的优点及适用性 | 第33页 |
| ·数据处理 | 第33-38页 |
| ·数据收集 | 第33-34页 |
| ·数据预处理 | 第34页 |
| ·特征选择 | 第34-36页 |
| ·特征集检验 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 5 基于 BP 神经网络的智慧城市评价指标权重计算 | 第39-46页 |
| ·BP 神经网络模型概述 | 第39-41页 |
| ·BP 神经网络算法简介 | 第39-40页 |
| ·BP 神经网络优点 | 第40-41页 |
| ·智慧城市评价指标权重计算实证分析 | 第41-45页 |
| ·本章小结 | 第45-46页 |
| 6 智慧城市发展水平综合评价 | 第46-50页 |
| ·智慧城市发展水平评价 | 第46-48页 |
| ·评价对象与数据来源 | 第46页 |
| ·数据处理与结果分析 | 第46-48页 |
| ·对策与建议 | 第48-50页 |
| ·提升和完善信息基础设施 | 第48页 |
| ·重视技术研发和创新，大力发展智慧产业 | 第48页 |
| ·加强管理创新，提升公共服务水平 | 第48-49页 |
| ·坚持以人为本，服务民生是落脚点 | 第49-50页 |
| 7 结论及展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 附表 | 第54-66页 |
| 附录 | 第66页 |