滿額折
航空大數據（簡體書）
相關商品
商品簡介
作者簡介
名人/編輯推薦
序
目次
商品簡介
本書圍繞若干航空領域的業務，討論了航空領域面臨的大數據需求，指出大數據分析的目的、數據來源和存在的困難，給出了數據分析的方法和大數據平臺參考方案。書中內容分為 七章。第一章介紹了大數據的背景與一般性概念，引入了航空大數據的定義，介紹了大數據的知識體系、常用開源大數據平臺工具和分析工具，指出了大數據與雲計算、物聯網之間的關係，闡述了人工智能在大數據中的重要性。同時，提出了數據思維的定義與內涵、大數據實施的步驟，展望了大數據在航空領域的應用。第二章簡述了一些與航空大數據挖掘有關的通用方法，包括信號變換、分類與聚類、關聯分析、預測分析等以及流行的深度學習、增強學習。第三章介紹了"工業4.0”、工業大數據、信息-物理系統（CPS）、智能製造，結合航空製造探討了大數據的業務模式及在生產中的作用，提出了基於製造執行系統（MES）的工業大數據分析模型，描述了數據分析功能框架。第四章描述了航空物流大數據概念，介紹了航空物流的業務模式，包括倉儲、航空貨運、海關監管、檢驗檢疫、物品配送與維護，提出了統一的大數據平臺參考模型，分析了典型的功能模塊。第五章分析了跨境電商的主要業務和不足之處，提出了面向跨境電商的大數據平臺及各個業務系統，包括應用系統功能、數據流和綜合統計展示、數據倉庫、推薦系統。第六章介紹了航空客流的主要業務，分析了數據倉庫、"旅客畫像”、風險管理、供應鏈管理中存在的數據挖掘問題。最後分析了兩個案例。第七章介紹了面向企業的大數據服務，包括企業征信、企業知識圖譜、企業專利地圖三個流行的領域，並提出了分析模型和思路。附錄給出文中的中英文詞匯對照表、國內外大數據政策、常用的數據源及參考文獻。
作者簡介
管濤, 副教授 ，從事數據挖掘、統計機器學習領域的研究。
名人/編輯推薦
本書圍繞若干航空領域的業務，討論了航空領域面臨的大數據需求，指出大數據分析的目的、數據來源和存在的困難，給出了數據分析的方法和大數據平臺參考方案。
序
大數據是一個時代的主題，有力地推動了社會生產力的發展，促進生產關係高度演化、高效協同，生產資料優化配置，逐步實現了勞動者從人向機器的轉變。目前，大數據已經深入到工程應用的各個領域，如電商、醫療、農業、交通、金融、安全、偵查、城市治理、天氣預報，並帶來了顯著的效益和價值。在航空工業，人們經常採集和使用大量的航空領域數據，用來監測、評估、診斷、模擬、仿真、設計和決策，但是，完整地、系統化地闡述和使用航空大數據仍是一個未知的領域。有效利用航空大數據，挖掘內在的價值，為航空產業服務已經成為航空領域亟待發展的方向和研究的課題。然而，由於航空領域涉及的業務領域眾多，很難用一個統一的框架進行描述。同時，每個領域都有獨特的業務流程，增加了大數據分析的難度。
航空大數據是全新的概念，與航空生產、貿易、物流、產品、服務、信息化有關，專業性強，涉及範圍廣泛。本書從航空製造、航空物流、跨境電商、航空客運、企業服務五個領域入手，期待理清每個領域的業務流程，探討航空大數據的來源、分佈、特點、價值和利用，形成較為完整的大數據分析思路，構建面向領域的解決框架，給出航空大數據分析和挖掘的參考模型、方法和解決方案，從而為後續的工程實踐奠定基礎。通過一些案例分析，作者解釋了大數據應用的方法和價值。本書理論結合實踐，採用圖文並茂的形式、簡潔的語言闡述基本概念、技術、航空大數據的業務和研發思路，但是不包含具體的數學建模和軟件開發、程序語言和代碼，因為應用細節過於繁瑣，不具有代表性。
自2000年以來，作者一直從事數據分析和挖掘相關領域的研究和教學工作。還在數學系學習的時候，接觸的第一種分類模型即是支撐向量機，那時是從數學優化的角度考慮該問題。後來在計算機學院接觸到韓家煒等人撰寫的英文版《數據挖掘》，感受到數學模型和應用結合的重要性。歲月流逝，潮流變遷，大數據、人工智能逐步成為時代的熱點。應用的快速發展解決了很多實際問題，然而，萬變不離其宗，大數據分析的數學基礎仍然是傳統數學體系，很少發生變化。從應用場景抽象出來的大數據問題具有綜合性、跨領域的特點，解決此類問題往往需要具備完善的、多方向的數學基礎知識。因此，很好地分析大數據的價值、構思大數據挖掘模型，就需要具有完善的數學基礎知識積累。與此同時，大數據亦具備完善的工程體系，從數據采集物聯網平臺到分布式系統、系統框架、系統工具，都要求開發者具有完善的計算機理論基礎和豐富的實踐經驗。大數據的應用模型與行業緊密結合，是行業分析的基礎數據工具，具有跨領域特點。熟悉領域背景知識、瞭解行業需求、解決行業關鍵問題是應用的核心。
航空大數據的基礎研究、產業及應用將隨著新技術的出現而發展，與物聯網、人工智能、雲計算、移動計算、機器人、視頻分析、GIS、智慧城市、共享經濟的深度融合亦將成為未來的必然趨勢，由此帶給人們更智能、便捷、流暢的服務。順應科技發展潮流、未雨綢繆，則一定會在未來的航空大數據深度發展中佔據一席之地。
本書得到了鄭州航空工業管理學院信息科學學院劉永教授的一些指導和建議，及滕立博士的熱心幫助。同時，信息科學學院的研究生龐宇飛、任照博、任妍積極地參與了本書終稿的修改和校正工作，感謝他們付出的辛勤勞動。本書的出版得到了河南省信息智能處理工程技術研究中心、航空經濟發展河南省協同創新中心的資助和支持。同時，也得到了河南省高等教育教學改革研究與實踐項目（2017SJGLX406）、河南省重點研發與推廣專項支持項目（182102210454）及鄭州市普通科技攻關計劃項目（20130783）、河南智算信息技術有限公司的支持，在此一併表示感謝，同時感謝家人的大力支持。
管濤
航空經濟發展河南省協同創新中心
2017年4月5日於鄭州
航空大數據是全新的概念，與航空生產、貿易、物流、產品、服務、信息化有關，專業性強，涉及範圍廣泛。本書從航空製造、航空物流、跨境電商、航空客運、企業服務五個領域入手，期待理清每個領域的業務流程，探討航空大數據的來源、分佈、特點、價值和利用，形成較為完整的大數據分析思路，構建面向領域的解決框架，給出航空大數據分析和挖掘的參考模型、方法和解決方案，從而為後續的工程實踐奠定基礎。通過一些案例分析，作者解釋了大數據應用的方法和價值。本書理論結合實踐，採用圖文並茂的形式、簡潔的語言闡述基本概念、技術、航空大數據的業務和研發思路，但是不包含具體的數學建模和軟件開發、程序語言和代碼，因為應用細節過於繁瑣，不具有代表性。
自2000年以來，作者一直從事數據分析和挖掘相關領域的研究和教學工作。還在數學系學習的時候，接觸的第一種分類模型即是支撐向量機，那時是從數學優化的角度考慮該問題。後來在計算機學院接觸到韓家煒等人撰寫的英文版《數據挖掘》，感受到數學模型和應用結合的重要性。歲月流逝，潮流變遷，大數據、人工智能逐步成為時代的熱點。應用的快速發展解決了很多實際問題，然而，萬變不離其宗，大數據分析的數學基礎仍然是傳統數學體系，很少發生變化。從應用場景抽象出來的大數據問題具有綜合性、跨領域的特點，解決此類問題往往需要具備完善的、多方向的數學基礎知識。因此，很好地分析大數據的價值、構思大數據挖掘模型，就需要具有完善的數學基礎知識積累。與此同時，大數據亦具備完善的工程體系，從數據采集物聯網平臺到分布式系統、系統框架、系統工具，都要求開發者具有完善的計算機理論基礎和豐富的實踐經驗。大數據的應用模型與行業緊密結合，是行業分析的基礎數據工具，具有跨領域特點。熟悉領域背景知識、瞭解行業需求、解決行業關鍵問題是應用的核心。
航空大數據的基礎研究、產業及應用將隨著新技術的出現而發展，與物聯網、人工智能、雲計算、移動計算、機器人、視頻分析、GIS、智慧城市、共享經濟的深度融合亦將成為未來的必然趨勢，由此帶給人們更智能、便捷、流暢的服務。順應科技發展潮流、未雨綢繆，則一定會在未來的航空大數據深度發展中佔據一席之地。
本書得到了鄭州航空工業管理學院信息科學學院劉永教授的一些指導和建議，及滕立博士的熱心幫助。同時，信息科學學院的研究生龐宇飛、任照博、任妍積極地參與了本書終稿的修改和校正工作，感謝他們付出的辛勤勞動。本書的出版得到了河南省信息智能處理工程技術研究中心、航空經濟發展河南省協同創新中心的資助和支持。同時，也得到了河南省高等教育教學改革研究與實踐項目（2017SJGLX406）、河南省重點研發與推廣專項支持項目（182102210454）及鄭州市普通科技攻關計劃項目（20130783）、河南智算信息技術有限公司的支持，在此一併表示感謝，同時感謝家人的大力支持。
管濤
航空經濟發展河南省協同創新中心
2017年4月5日於鄭州
目次
第1章 引言 1
1.1 大數據概念 2
1.2 大數據的知識體系 4
1.3 數據思維 5
1.4 物聯網 6
1.5 雲計算 7
1.5.1 概念 7
1.5.2 架構 7
1.6 人工智能 9
1.7 大數據產業鏈 10
1.7.1 數據采集 10
1.7.2 數據清洗 11
1.7.3 數據存儲 12
1.7.4 數據分析和挖掘 12
1.7.5 數據可視化 12
1.8 大數據工程的實施 13
1.9 大數據平臺工具簡介 14
1.9.1 Hadoop 14
1.9.2 Spark 17
1.9.3 Storm 18
1.9.4 Sqoop 18
1.9.5 Zookeeper 18
1.9.6 Kafka 19
1.9.7 數據倉庫 19
1.10 開源大數據挖掘工具簡介 22
1.10.1 Mahout 22
1.10.2 Weka 23
1.10.3 Pentaho 23
1.11 航空領域應用與發展 23
小結 24
第2章 數據分析技術 25
2.1 引言 26
2.2 基本數據分析方法 26
2.2.1 信號處理方法 26
2.2.2 聚類與分類 28
2.2.3 關聯分析 31
2.2.4 預測分析 35
2.2.5 層次分析法（AHP） 38
2.2.6 深度學習 40
2.2.7 強化學習 41
小結 42
第3章 航空製造大數據 43
3.1 簡介 44
3.1.1 工業大數據 44
3.1.2 工業雲 45
3.1.3 信息物理系統（CPS） 46
3.1.4 製造執行系統（MES） 46
3.1.5 大數據驅動的智能製造 47
3.2 航空製造業務模式分析 52
3.2.1 優化產品設計 53
3.2.2 智能車間 54
3.2.3 智能工廠 55
3.2.4 在線運維 57
3.3 基於工業流程管理的數據分析 57
3.3.1 系統框架 57
3.3.2 數據分析框架 60
小結 62
第4章 航空物流大數據 63
4.1 航空物流概況 64
4.2 航空物流業務分析 66
4.2.1 倉儲 66
4.2.2 航空貨運 67
4.2.3 物品配送 68
4.2.4 海關監管 70
4.2.5 產品維護 74
4.3 數據分析系統 74
4.3.1 大數據分析與管理平臺 74
4.3.2 綜合展示和分析平臺 76
4.3.3 多式聯運數據分析 76
4.3.4 物流管理與決策分析 77
4.3.5 托運人及貨代管理 78
小結 79
第5章 跨境電商大數據 81
5.1 跨境電商發展現狀 82
5.1.1 宏觀政策 82
5.1.2 存在不足 83
5.1.3 新商業系統 83
5.2 跨境電商業務分析 84
5.2.1 跨境倉儲 85
5.2.2 支付體系 86
5.2.3 安全體系 86
5.2.4 質量體系（追溯體系） 87
5.2.5 統計體系 89
5.2.6 商品體系 89
5.2.7 物流成本 89
5.3 數據來源與存在的問題 90
5.4 跨境電商大數據參考平臺 91
5.4.1 應用系統功能 92
5.4.2 數據流和綜合業務展示 92
5.4.3 數據交換、共享和匯總 93
5.4.4 數據倉庫 93
5.4.5 商品推薦系統 95
小結 97
第6章 航空客運大數據 99
6.1 發展現狀與政策 100
6.2 航空客運業務分析 101
6.2.1 機場管理與運營 102
6.2.2 航班的動態信息 103
6.2.3 旅客服務 103
6.2.4 航線管理與優化 104
6.2.5 燃油管理 105
6.3 大數據分析模型 105
6.3.1 數據倉庫 106
6.3.2 企業效益分析 110
6.3.3 旅客畫像 110
6.3.4 風險管理 112
6.3.5 供應鏈管理 113
6.4 案例分析 114
小結 114
第7章 面向企業的大數據服務 115
7.1 引言 116
7.2 企業征信 116
7.3 企業知識圖譜 120
7.4 企業專利地圖 125
小結 126
附錄A 中英文對照表 127
附錄B 國外大數據政策 130
附錄C 國家大數據和人工智能政策 131
附錄D 測試數據集 133
參考文獻 134
1.1 大數據概念 2
1.2 大數據的知識體系 4
1.3 數據思維 5
1.4 物聯網 6
1.5 雲計算 7
1.5.1 概念 7
1.5.2 架構 7
1.6 人工智能 9
1.7 大數據產業鏈 10
1.7.1 數據采集 10
1.7.2 數據清洗 11
1.7.3 數據存儲 12
1.7.4 數據分析和挖掘 12
1.7.5 數據可視化 12
1.8 大數據工程的實施 13
1.9 大數據平臺工具簡介 14
1.9.1 Hadoop 14
1.9.2 Spark 17
1.9.3 Storm 18
1.9.4 Sqoop 18
1.9.5 Zookeeper 18
1.9.6 Kafka 19
1.9.7 數據倉庫 19
1.10 開源大數據挖掘工具簡介 22
1.10.1 Mahout 22
1.10.2 Weka 23
1.10.3 Pentaho 23
1.11 航空領域應用與發展 23
小結 24
第2章 數據分析技術 25
2.1 引言 26
2.2 基本數據分析方法 26
2.2.1 信號處理方法 26
2.2.2 聚類與分類 28
2.2.3 關聯分析 31
2.2.4 預測分析 35
2.2.5 層次分析法（AHP） 38
2.2.6 深度學習 40
2.2.7 強化學習 41
小結 42
第3章 航空製造大數據 43
3.1 簡介 44
3.1.1 工業大數據 44
3.1.2 工業雲 45
3.1.3 信息物理系統（CPS） 46
3.1.4 製造執行系統（MES） 46
3.1.5 大數據驅動的智能製造 47
3.2 航空製造業務模式分析 52
3.2.1 優化產品設計 53
3.2.2 智能車間 54
3.2.3 智能工廠 55
3.2.4 在線運維 57
3.3 基於工業流程管理的數據分析 57
3.3.1 系統框架 57
3.3.2 數據分析框架 60
小結 62
第4章 航空物流大數據 63
4.1 航空物流概況 64
4.2 航空物流業務分析 66
4.2.1 倉儲 66
4.2.2 航空貨運 67
4.2.3 物品配送 68
4.2.4 海關監管 70
4.2.5 產品維護 74
4.3 數據分析系統 74
4.3.1 大數據分析與管理平臺 74
4.3.2 綜合展示和分析平臺 76
4.3.3 多式聯運數據分析 76
4.3.4 物流管理與決策分析 77
4.3.5 托運人及貨代管理 78
小結 79
第5章 跨境電商大數據 81
5.1 跨境電商發展現狀 82
5.1.1 宏觀政策 82
5.1.2 存在不足 83
5.1.3 新商業系統 83
5.2 跨境電商業務分析 84
5.2.1 跨境倉儲 85
5.2.2 支付體系 86
5.2.3 安全體系 86
5.2.4 質量體系（追溯體系） 87
5.2.5 統計體系 89
5.2.6 商品體系 89
5.2.7 物流成本 89
5.3 數據來源與存在的問題 90
5.4 跨境電商大數據參考平臺 91
5.4.1 應用系統功能 92
5.4.2 數據流和綜合業務展示 92
5.4.3 數據交換、共享和匯總 93
5.4.4 數據倉庫 93
5.4.5 商品推薦系統 95
小結 97
第6章 航空客運大數據 99
6.1 發展現狀與政策 100
6.2 航空客運業務分析 101
6.2.1 機場管理與運營 102
6.2.2 航班的動態信息 103
6.2.3 旅客服務 103
6.2.4 航線管理與優化 104
6.2.5 燃油管理 105
6.3 大數據分析模型 105
6.3.1 數據倉庫 106
6.3.2 企業效益分析 110
6.3.3 旅客畫像 110
6.3.4 風險管理 112
6.3.5 供應鏈管理 113
6.4 案例分析 114
小結 114
第7章 面向企業的大數據服務 115
7.1 引言 116
7.2 企業征信 116
7.3 企業知識圖譜 120
7.4 企業專利地圖 125
小結 126
附錄A 中英文對照表 127
附錄B 國外大數據政策 130
附錄C 國家大數據和人工智能政策 131
附錄D 測試數據集 133
參考文獻 134
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。