中圖網(wǎng)小程序
一鍵登錄
更方便
本類五星書更多>
-
>
闖進(jìn)數(shù)學(xué)世界――探秘歷史名題
-
>
中醫(yī)基礎(chǔ)理論
-
>
當(dāng)代中國政府與政治(新編21世紀(jì)公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫(yī)內(nèi)科學(xué)·全國中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
大數(shù)據(jù)技術(shù)與應(yīng)用 版權(quán)信息
- ISBN：9787115651587
- 條形碼：9787115651587 ; 978-7-115-65158-7
- 裝幀：平裝-膠訂
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
大數(shù)據(jù)技術(shù)與應(yīng)用 本書特色
（1）系統(tǒng)化理論建設(shè)，理論講解與動手實踐相結(jié)合。
（2）適配大數(shù)據(jù)處理主流技術(shù)，提供大量實踐案例。
（3）注重教學(xué)資源建設(shè)，常規(guī)教學(xué)資源及微課同步建設(shè)。
目前國內(nèi)大數(shù)據(jù)技術(shù)繼續(xù)保持高速的發(fā)展態(tài)勢，作者從大數(shù)據(jù)的全生命周期中涉及的大數(shù)據(jù)技術(shù)架構(gòu)、基礎(chǔ)設(shè)施、大數(shù)據(jù)采集與預(yù)處理、數(shù)據(jù)存儲與文件系統(tǒng)、NoSQL數(shù)據(jù)庫、數(shù)據(jù)分析與開發(fā)、數(shù)據(jù)可視化及應(yīng)用、大數(shù)據(jù)安全等方面得到較為全面指導(dǎo)和幫助，并且能夠在一門課程中學(xué)習(xí)與大數(shù)據(jù)有關(guān)的云計算、人工智能等與大數(shù)據(jù)息息相關(guān)的內(nèi)容。
大數(shù)據(jù)技術(shù)與應(yīng)用 內(nèi)容簡介
本書以大數(shù)據(jù)的全生命周期中涉及技術(shù)為線索，比較全面地介紹了大數(shù)據(jù)技術(shù)架構(gòu)、基礎(chǔ)設(shè)施、大數(shù)據(jù)采集與預(yù)處理、數(shù)據(jù)存儲與文件系統(tǒng)、NoSQL數(shù)據(jù)庫、數(shù)據(jù)分析與開發(fā)、數(shù)據(jù)可視化及應(yīng)用、大數(shù)據(jù)安全等方面內(nèi)容，同時針對Hadoop框架、HDFS、HBASE、Spark等技術(shù)為例進(jìn)行了部署展示，并針對大數(shù)據(jù)有關(guān)的云計算、人工智能等與大數(shù)據(jù)息息相關(guān)的內(nèi)容進(jìn)行較為詳細(xì)的介紹與說明。 本書針對相關(guān)知識點都進(jìn)行較為細(xì)致的講述，并配有與理論學(xué)習(xí)相結(jié)合的電子資源，包括教學(xué)大綱、課程PPT與實驗案例等，可作為高校計算機(jī)、信息技術(shù)類大數(shù)據(jù)相關(guān)通識課程教材，也可以作為大數(shù)據(jù)相關(guān)專業(yè)的專業(yè)課程教材。
大數(shù)據(jù)技術(shù)與應(yīng)用 目錄
第 1章 大數(shù)據(jù)的概述 1
本章導(dǎo)讀 1
1.1 什么是大數(shù)據(jù) 1
1.2 大數(shù)據(jù)的來源 3
1.3 大數(shù)據(jù)的分類 5
1.4 大數(shù)據(jù)的特征 7
1.5 大數(shù)據(jù)的新思維和新理念 8
1.6 大數(shù)據(jù)系統(tǒng)的基礎(chǔ)架構(gòu) 13
1.6.1 基礎(chǔ)支撐服務(wù) 14
1.6.2 數(shù)據(jù)采集及預(yù)處理服務(wù) 14
1.6.3 數(shù)據(jù)存儲服務(wù) 15
1.6.4 數(shù)據(jù)引擎服務(wù) 16
1.6.5 綜合應(yīng)用服務(wù) 16
1.6.6 數(shù)據(jù)治理體系 16
1.6.7 支撐體系 18
1.7 大數(shù)據(jù)的技術(shù)體系 18
1.8 本章小結(jié) 19
拓展閱讀 19
本章習(xí)題 20
第 2章 大數(shù)據(jù)基礎(chǔ)設(shè)施 22
本章導(dǎo)讀 22
2.1 虛擬化技術(shù) 23
2.1.1 虛擬化的定義 23
2.1.2 虛擬化的特征 24
2.1.3 虛擬化技術(shù)的分類 26
2.2 云計算技術(shù) 30
2.2.1 云計算的定義 30
2.2.2 云計算的特點 31
2.2.3 云計算的技術(shù)架構(gòu) 32
2.2.4 云計算的部署模式 34
2.2.5 云計算平臺的功能 36
2.3 Hadoop分布式系統(tǒng) 37
2.3.1 Hadoop簡介 37
2.3.2 Hadoop發(fā)展歷史 38
2.3.3 Hadoop的特點 39
2.3.4 Hadoop的版本演進(jìn) 40
2.3.5 Hadoop生態(tài)組件 41
2.4 本章小結(jié) 45
拓展閱讀 45
本章習(xí)題 47
第3章 大數(shù)據(jù)采集與預(yù)處理 48
本章導(dǎo)讀 48
3.1 大數(shù)據(jù)采集 49
3.1.1 大數(shù)據(jù)采集概述 49
3.1.2 日志數(shù)據(jù)采集 52
3.1.3 網(wǎng)絡(luò)數(shù)據(jù)采集 56
3.1.4 網(wǎng)絡(luò)旁路的數(shù)據(jù)采集 69
3.2 大數(shù)據(jù)預(yù)處理 70
3.2.1 數(shù)據(jù)預(yù)處理概述 70
3.2.2 數(shù)據(jù)特征 71
3.2.3 數(shù)據(jù)規(guī)范化 73
3.2.4 數(shù)據(jù)抽取 73
3.2.5 數(shù)據(jù)清洗 75
3.2.6 數(shù)據(jù)集成 81
3.2.7 數(shù)據(jù)轉(zhuǎn)換 82
3.2.8 數(shù)據(jù)加載 83
3.2.9 數(shù)據(jù)消減 84
3.3 本章小結(jié) 85
拓展閱讀 86
Kettle 86
Sqoop 88
本章習(xí)題 90
第4章 大數(shù)據(jù)存儲與分布式文件系統(tǒng) 91
本章導(dǎo)讀 91
4.1 傳統(tǒng)的存儲設(shè)備 92
4.1.1 機(jī)械硬盤 92
4.1.2 固態(tài)硬盤 94
4.1.3 移動存儲介質(zhì) 94
4.1.4 傳統(tǒng)存儲系統(tǒng) 95
4.2 獨立磁盤冗余陣列（RAID） 96
4.2.1 RAID概述 96
4.2.2 RAID架構(gòu) 97
4.2.3 RAID 0 99
4.2.4 RAID 1 102
4.2.5 RAID 5 102
4.3 HDFS分布式文件系統(tǒng) 102
4.3.1 HDFS的簡介 103
4.3.2 HDFS的體系架構(gòu) 106
4.3.3 名稱節(jié)點與數(shù)據(jù)節(jié)點 109
4.3.4 映像文件與事務(wù)日志的歸并 111
4.3.5 HDFS的數(shù)據(jù)存儲特性 113
4.3.6 HDFS的容錯機(jī)制 114
4.3.7 HDFS的高可用機(jī)制 115
4.3.8 HDFS的聯(lián)邦機(jī)制 116
4.4 本章小結(jié) 118
拓展閱讀 118
本章習(xí)題 120
第5章 大數(shù)據(jù)的數(shù)據(jù)庫系統(tǒng) 121
5.1 非關(guān)系NoSQL數(shù)據(jù)庫 123
5.1.1 NoSQL的特點 123
5.1.2 NoSQL的理論基礎(chǔ) 124
5.1.3 NoSQL的類型 130
5.2.4. NoSQL的發(fā)展趨勢及挑戰(zhàn) 136
5.3 HBase數(shù)據(jù)庫 137
5.3.1 HBase的概述 137
5.3.2 HBase數(shù)據(jù)模型 138
5.3.3 Hbase體系架構(gòu) 141
5.3.4 HBase運(yùn)行機(jī)制 145
5.3 數(shù)據(jù)倉庫 147
5.4.1 數(shù)據(jù)倉庫的發(fā)展 147
5.4.2 Hive 148
5.4.3 Impala 151
5.7 本章小結(jié) 154
拓展閱讀 154
數(shù)據(jù)湖的概念 154
數(shù)據(jù)湖的特點 155
本章習(xí)題 157
第6章 大數(shù)據(jù)的計算模式 158
本章導(dǎo)讀 158
6.1 大數(shù)據(jù)計算模式的特征和分類 159
6.2 MapReduce批處理計算框架 161
6.2.1 MapReduce的思想 162
6.2.2 MapReduce的功能函數(shù) 164
6.2.3 MapReduce的體系架構(gòu) 166
6.2.4 MapReduce的工作原理 170
6.2.5 MapReduce的實例 175
6.3 YARN資源管理 176
6.3.1 YARN資源管理的概述 176
6.3.2 資源管理器 178
6.3.3 節(jié)點管理器 178
6.3.4 應(yīng)用程序管理器 178
6.3.5 YARN資源管理的工作流程 179
6.3.6 YARN資源管理的優(yōu)勢 180
6.4 Spark內(nèi)存并行計算框架 181
6.4.1 Spark內(nèi)存并行計算框架的概述 181
6.4.2 Spark內(nèi)存并行計算框架的思想 183
6.4.3 Spark內(nèi)存并行計算框架的體系架構(gòu) 186
6.4.4 Spark內(nèi)存并行計算框架的運(yùn)行流程 188
6.4.5 Spark內(nèi)存并行計算框架的RDD 190
6.4.6 Spark交互查詢引擎 200
6.6 本章小結(jié) 202
拓展閱讀 202
本章習(xí)題 205
第7章 大數(shù)據(jù)分析挖掘與可視化 207
本章導(dǎo)讀 207
7.1 大數(shù)據(jù)分析挖掘 207
7.1.1 大數(shù)據(jù)挖掘概述 207
7.1.2 數(shù)據(jù)挖掘與數(shù)據(jù)分析 210
7.1.3 大數(shù)據(jù)挖掘的特點與挑戰(zhàn) 211
7.2 數(shù)據(jù)相似性 214
7.2.1 數(shù)值屬性的相似性度量 215
7.2.2 標(biāo)稱屬性的相似性度量 216
7.2.3 文本相似性度量 217
7.3 數(shù)據(jù)挖掘方法 218
7.4 大數(shù)據(jù)挖掘工具 219
7.4.1 weka 219
7.4.2 Spark MLlib 221
7.5 數(shù)據(jù)可視化概述 223
7.5.1 大數(shù)據(jù)可視化的主要進(jìn)展 224
7.5.2 大數(shù)據(jù)可視化的發(fā)展趨勢 226
7.6 數(shù)據(jù)可視化流程 228
7.7 數(shù)據(jù)可視化原則 230
7.8 數(shù)據(jù)可視化工具 230
7.9 時空數(shù)據(jù)可視化 239
7.9.1 時變數(shù)據(jù)可視化 239
7.9.2 空間數(shù)據(jù)可視化 242
7.10 非時空數(shù)據(jù)可視化 242
7.10.1 文本數(shù)據(jù)可視化 242
7.10.2 復(fù)雜高維數(shù)據(jù)可視化 242
7.11 數(shù)據(jù)可視化交互 246
7.11.1 交互延時 247
7.11.2 交互分類 247
7.11.3 交互技術(shù) 248
7.12 本章小結(jié) 248
拓展閱讀 248
本章習(xí)題 250
第8章 大數(shù)據(jù)應(yīng)用 251
8.1 大數(shù)據(jù)的行業(yè)應(yīng)用 251
8.2 智慧城市 253
8.2.1 智慧城市概述及建設(shè)內(nèi)容 253
8.2.2 智能交通與大數(shù)據(jù) 254
8.2.3 環(huán)保監(jiān)測與大數(shù)據(jù) 255
8.2.4 城市規(guī)劃與大數(shù)據(jù) 256
8.2.5 公共安全與大數(shù)據(jù) 257
8.3 自動駕駛汽車 258
8.3.1 自動駕駛汽車的發(fā)展階段 259
8.3.2 軟件定義汽車 260
8.3.3 車聯(lián)網(wǎng)與大數(shù)據(jù) 262
8.3.4 無人駕駛汽車與大數(shù)據(jù) 265
8.4 本章小結(jié) 267
拓展閱讀： 267
本章習(xí)題： 270
第9章 大數(shù)據(jù)安全 271
9.1 物理安全 272
9.2.1 物理安全管理 273
9.2.2 物理安全技術(shù) 274
9.2 數(shù)據(jù)安全 275
9.3.1 面臨的問題 276
9.3.2 安全機(jī)制和解決方案 278
9.3 虛擬化安全 281
9.4 安全監(jiān)管 282
9.5 應(yīng)用安全 283
9.6 業(yè)務(wù)安全 283
9.7 大數(shù)據(jù)保護(hù) 284
9.8 本章小結(jié) 285
拓展閱讀： 285
本章習(xí)題： 288
本章導(dǎo)讀 1
1.1 什么是大數(shù)據(jù) 1
1.2 大數(shù)據(jù)的來源 3
1.3 大數(shù)據(jù)的分類 5
1.4 大數(shù)據(jù)的特征 7
1.5 大數(shù)據(jù)的新思維和新理念 8
1.6 大數(shù)據(jù)系統(tǒng)的基礎(chǔ)架構(gòu) 13
1.6.1 基礎(chǔ)支撐服務(wù) 14
1.6.2 數(shù)據(jù)采集及預(yù)處理服務(wù) 14
1.6.3 數(shù)據(jù)存儲服務(wù) 15
1.6.4 數(shù)據(jù)引擎服務(wù) 16
1.6.5 綜合應(yīng)用服務(wù) 16
1.6.6 數(shù)據(jù)治理體系 16
1.6.7 支撐體系 18
1.7 大數(shù)據(jù)的技術(shù)體系 18
1.8 本章小結(jié) 19
拓展閱讀 19
本章習(xí)題 20
第 2章 大數(shù)據(jù)基礎(chǔ)設(shè)施 22
本章導(dǎo)讀 22
2.1 虛擬化技術(shù) 23
2.1.1 虛擬化的定義 23
2.1.2 虛擬化的特征 24
2.1.3 虛擬化技術(shù)的分類 26
2.2 云計算技術(shù) 30
2.2.1 云計算的定義 30
2.2.2 云計算的特點 31
2.2.3 云計算的技術(shù)架構(gòu) 32
2.2.4 云計算的部署模式 34
2.2.5 云計算平臺的功能 36
2.3 Hadoop分布式系統(tǒng) 37
2.3.1 Hadoop簡介 37
2.3.2 Hadoop發(fā)展歷史 38
2.3.3 Hadoop的特點 39
2.3.4 Hadoop的版本演進(jìn) 40
2.3.5 Hadoop生態(tài)組件 41
2.4 本章小結(jié) 45
拓展閱讀 45
本章習(xí)題 47
第3章 大數(shù)據(jù)采集與預(yù)處理 48
本章導(dǎo)讀 48
3.1 大數(shù)據(jù)采集 49
3.1.1 大數(shù)據(jù)采集概述 49
3.1.2 日志數(shù)據(jù)采集 52
3.1.3 網(wǎng)絡(luò)數(shù)據(jù)采集 56
3.1.4 網(wǎng)絡(luò)旁路的數(shù)據(jù)采集 69
3.2 大數(shù)據(jù)預(yù)處理 70
3.2.1 數(shù)據(jù)預(yù)處理概述 70
3.2.2 數(shù)據(jù)特征 71
3.2.3 數(shù)據(jù)規(guī)范化 73
3.2.4 數(shù)據(jù)抽取 73
3.2.5 數(shù)據(jù)清洗 75
3.2.6 數(shù)據(jù)集成 81
3.2.7 數(shù)據(jù)轉(zhuǎn)換 82
3.2.8 數(shù)據(jù)加載 83
3.2.9 數(shù)據(jù)消減 84
3.3 本章小結(jié) 85
拓展閱讀 86
Kettle 86
Sqoop 88
本章習(xí)題 90
第4章 大數(shù)據(jù)存儲與分布式文件系統(tǒng) 91
本章導(dǎo)讀 91
4.1 傳統(tǒng)的存儲設(shè)備 92
4.1.1 機(jī)械硬盤 92
4.1.2 固態(tài)硬盤 94
4.1.3 移動存儲介質(zhì) 94
4.1.4 傳統(tǒng)存儲系統(tǒng) 95
4.2 獨立磁盤冗余陣列（RAID） 96
4.2.1 RAID概述 96
4.2.2 RAID架構(gòu) 97
4.2.3 RAID 0 99
4.2.4 RAID 1 102
4.2.5 RAID 5 102
4.3 HDFS分布式文件系統(tǒng) 102
4.3.1 HDFS的簡介 103
4.3.2 HDFS的體系架構(gòu) 106
4.3.3 名稱節(jié)點與數(shù)據(jù)節(jié)點 109
4.3.4 映像文件與事務(wù)日志的歸并 111
4.3.5 HDFS的數(shù)據(jù)存儲特性 113
4.3.6 HDFS的容錯機(jī)制 114
4.3.7 HDFS的高可用機(jī)制 115
4.3.8 HDFS的聯(lián)邦機(jī)制 116
4.4 本章小結(jié) 118
拓展閱讀 118
本章習(xí)題 120
第5章 大數(shù)據(jù)的數(shù)據(jù)庫系統(tǒng) 121
5.1 非關(guān)系NoSQL數(shù)據(jù)庫 123
5.1.1 NoSQL的特點 123
5.1.2 NoSQL的理論基礎(chǔ) 124
5.1.3 NoSQL的類型 130
5.2.4. NoSQL的發(fā)展趨勢及挑戰(zhàn) 136
5.3 HBase數(shù)據(jù)庫 137
5.3.1 HBase的概述 137
5.3.2 HBase數(shù)據(jù)模型 138
5.3.3 Hbase體系架構(gòu) 141
5.3.4 HBase運(yùn)行機(jī)制 145
5.3 數(shù)據(jù)倉庫 147
5.4.1 數(shù)據(jù)倉庫的發(fā)展 147
5.4.2 Hive 148
5.4.3 Impala 151
5.7 本章小結(jié) 154
拓展閱讀 154
數(shù)據(jù)湖的概念 154
數(shù)據(jù)湖的特點 155
本章習(xí)題 157
第6章 大數(shù)據(jù)的計算模式 158
本章導(dǎo)讀 158
6.1 大數(shù)據(jù)計算模式的特征和分類 159
6.2 MapReduce批處理計算框架 161
6.2.1 MapReduce的思想 162
6.2.2 MapReduce的功能函數(shù) 164
6.2.3 MapReduce的體系架構(gòu) 166
6.2.4 MapReduce的工作原理 170
6.2.5 MapReduce的實例 175
6.3 YARN資源管理 176
6.3.1 YARN資源管理的概述 176
6.3.2 資源管理器 178
6.3.3 節(jié)點管理器 178
6.3.4 應(yīng)用程序管理器 178
6.3.5 YARN資源管理的工作流程 179
6.3.6 YARN資源管理的優(yōu)勢 180
6.4 Spark內(nèi)存并行計算框架 181
6.4.1 Spark內(nèi)存并行計算框架的概述 181
6.4.2 Spark內(nèi)存并行計算框架的思想 183
6.4.3 Spark內(nèi)存并行計算框架的體系架構(gòu) 186
6.4.4 Spark內(nèi)存并行計算框架的運(yùn)行流程 188
6.4.5 Spark內(nèi)存并行計算框架的RDD 190
6.4.6 Spark交互查詢引擎 200
6.6 本章小結(jié) 202
拓展閱讀 202
本章習(xí)題 205
第7章 大數(shù)據(jù)分析挖掘與可視化 207
本章導(dǎo)讀 207
7.1 大數(shù)據(jù)分析挖掘 207
7.1.1 大數(shù)據(jù)挖掘概述 207
7.1.2 數(shù)據(jù)挖掘與數(shù)據(jù)分析 210
7.1.3 大數(shù)據(jù)挖掘的特點與挑戰(zhàn) 211
7.2 數(shù)據(jù)相似性 214
7.2.1 數(shù)值屬性的相似性度量 215
7.2.2 標(biāo)稱屬性的相似性度量 216
7.2.3 文本相似性度量 217
7.3 數(shù)據(jù)挖掘方法 218
7.4 大數(shù)據(jù)挖掘工具 219
7.4.1 weka 219
7.4.2 Spark MLlib 221
7.5 數(shù)據(jù)可視化概述 223
7.5.1 大數(shù)據(jù)可視化的主要進(jìn)展 224
7.5.2 大數(shù)據(jù)可視化的發(fā)展趨勢 226
7.6 數(shù)據(jù)可視化流程 228
7.7 數(shù)據(jù)可視化原則 230
7.8 數(shù)據(jù)可視化工具 230
7.9 時空數(shù)據(jù)可視化 239
7.9.1 時變數(shù)據(jù)可視化 239
7.9.2 空間數(shù)據(jù)可視化 242
7.10 非時空數(shù)據(jù)可視化 242
7.10.1 文本數(shù)據(jù)可視化 242
7.10.2 復(fù)雜高維數(shù)據(jù)可視化 242
7.11 數(shù)據(jù)可視化交互 246
7.11.1 交互延時 247
7.11.2 交互分類 247
7.11.3 交互技術(shù) 248
7.12 本章小結(jié) 248
拓展閱讀 248
本章習(xí)題 250
第8章 大數(shù)據(jù)應(yīng)用 251
8.1 大數(shù)據(jù)的行業(yè)應(yīng)用 251
8.2 智慧城市 253
8.2.1 智慧城市概述及建設(shè)內(nèi)容 253
8.2.2 智能交通與大數(shù)據(jù) 254
8.2.3 環(huán)保監(jiān)測與大數(shù)據(jù) 255
8.2.4 城市規(guī)劃與大數(shù)據(jù) 256
8.2.5 公共安全與大數(shù)據(jù) 257
8.3 自動駕駛汽車 258
8.3.1 自動駕駛汽車的發(fā)展階段 259
8.3.2 軟件定義汽車 260
8.3.3 車聯(lián)網(wǎng)與大數(shù)據(jù) 262
8.3.4 無人駕駛汽車與大數(shù)據(jù) 265
8.4 本章小結(jié) 267
拓展閱讀： 267
本章習(xí)題： 270
第9章 大數(shù)據(jù)安全 271
9.1 物理安全 272
9.2.1 物理安全管理 273
9.2.2 物理安全技術(shù) 274
9.2 數(shù)據(jù)安全 275
9.3.1 面臨的問題 276
9.3.2 安全機(jī)制和解決方案 278
9.3 虛擬化安全 281
9.4 安全監(jiān)管 282
9.5 應(yīng)用安全 283
9.6 業(yè)務(wù)安全 283
9.7 大數(shù)據(jù)保護(hù) 284
9.8 本章小結(jié) 285
拓展閱讀： 285
本章習(xí)題： 288
展開全部
大數(shù)據(jù)技術(shù)與應(yīng)用 作者簡介
孔華鋒，武漢商學(xué)院信息工程學(xué)院，副院長，研究員，博士。曾參與科技部重大科技專項信息安全領(lǐng)域“十二五”規(guī)劃和公安部“十二五”國家科技支撐計劃社會公共安全領(lǐng)域規(guī)劃的起草。在信息網(wǎng)絡(luò)安全、電子數(shù)據(jù)取證鑒定、云計算大數(shù)據(jù)、多媒體技術(shù)應(yīng)用與網(wǎng)絡(luò)存儲等方面均有深入研究。先后主持和參與過“十一五”、“十二五”、“十三五”國家科技支撐計劃項目、國家863項目、國家自然科學(xué)基金、發(fā)改委信息安全專項和科技基礎(chǔ)性專項項目等多項國家科技支撐計劃和省部級科研課題；作為項目負(fù)責(zé)人主持開發(fā)完成多個安全產(chǎn)品的研究與開發(fā)，相關(guān)成果已投入實際應(yīng)用；曾任《網(wǎng)絡(luò)事件預(yù)警與防控技術(shù)國家工程實驗室》和《大數(shù)據(jù)協(xié)同安全國家工程實驗室》的高級研究員。在國內(nèi)外核心期刊和重要會議上發(fā)表學(xué)術(shù)論文10多篇，獲得10余項專利和著作權(quán)。
書友推薦
- >
羅庸西南聯(lián)大授課錄
- >
龍榆生：詞曲概論/大家小書
- >
李白與唐代文化
- >
伯納黛特,你要去哪(2021新版)
- >
詩經(jīng)-先民的歌唱
- >
我從未如此眷戀人間
- >
羅曼·羅蘭讀書隨筆-精裝
- >
名家?guī)阕x魯迅:故事新編
本類暢銷
