本文關鍵詞：房地產業(yè)預警系統(tǒng)的設計與實現(xiàn)

  更多相關文章： 房地產 預警 支持向量機 房地產預警系統(tǒng)

【摘要】：房地產行業(yè)屬于國家的先導性產業(yè),它是國民經濟的根本,是國家真實經濟水平的體現(xiàn),它的健康發(fā)展是國家經濟良性發(fā)展的保障。不平衡的房地產發(fā)展模式很容易對社會及民族的正常發(fā)展造成極大的危害,是不具有長久發(fā)展?jié)摿Φ�。近年�?我國房地產行業(yè)出現(xiàn)了虛假的“繁榮”現(xiàn)象,使得對于房地產業(yè)的預警成為了眾多學者研究的新熱點,很多的專家、學者分別研究出了不同的評估與分析方法。針對我國房地產的發(fā)展現(xiàn)狀和高速發(fā)展的機器學習以及人工智能技術,本文的研究旨在建立科學的智能房地產業(yè)預警體系。根據(jù)我國房地產發(fā)展的實際情況,結合房地產周期波動成因和周期波動理論,從內因和外因兩方面著手,分別分析影響房地產市場的諸多因素,從而科學的構建出房地產指標體系。根據(jù)已有的房地產業(yè)預警系統(tǒng)的不足,結合機器學習中的支持向量機方法,建立了基于支持向量機的房地產市場預警模型。通過,仿真實驗證明,該模型在房地產市場預警的實際應用中是可行且有效的。最后,本文設計與開發(fā)了房地產業(yè)預警系統(tǒng),同時將上述基于支持向量機的房地產業(yè)預警模型應用到了實際的系統(tǒng)中。在本系統(tǒng)上線后,房地產數(shù)據(jù)真正的實現(xiàn)智能采集、篩選及預警等要求,使得整個房地產行業(yè)透明度得到極大的提高,管理人員隨時可以查看本地房地產項目的信息情況;同時政府部門可以對當?shù)胤康禺a市場進行有效的監(jiān)控,做出及時的預警與決策。
【關鍵詞】：房地產 預警 支持向量機 房地產預警系統(tǒng)
【學位授予單位】：湖南大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP277
【目錄】：

• 摘要5-6
• Abstract6-11
• 第1章 緒論11-16
• 1.1 課題研究背景及意義11-12
• 1.2 國內外房地產預警系統(tǒng)研究現(xiàn)狀12-14
• 1.2.1 國外房地產預警系統(tǒng)研究現(xiàn)狀12-13
• 1.2.2 國內房地產預警系統(tǒng)的研究現(xiàn)狀13-14
• 1.3 論文結構和分析方法14-15
• 1.3.1 論文的結構14-15
• 1.3.2 論文的分析方法15
• 1.4 小結15-16
• 第2章 房地產預警相關概念與方法16-24
• 2.1 房地產預警知識16-19
• 2.1.1 預警的概念16
• 2.1.2 房地產預警16
• 2.1.3 房地產預警方法16-18
• 2.1.4 房地產預警系統(tǒng)的組成要素18-19
• 2.2 房地產周期波動理論19-21
• 2.2.1 房地產周期波動的成因19-20
• 2.2.2 房地產周期波動的警源20
• 2.2.3 房地產周期波動理論對系統(tǒng)的指導意義20-21
• 2.3 支持向量機21-23
• 2.3.1 支持向量機的發(fā)展21-22
• 2.3.2 支持向量機的優(yōu)點22-23
• 2.4 小結23-24
• 第3章 基于支持向量機的房地產市場預警模型24-33
• 3.1 房地產預警模型的構建24-25
• 3.2 預警指標體系的確立25-28
• 3.3 預警模型的輸入和輸出28-30
• 3.3.1 支持向量機輸入節(jié)點的確定28-29
• 3.3.2 支持向量機輸出節(jié)點的確定29
• 3.3.3 預警模型的訓練和檢測29-30
• 3.4 預警模型的仿真實驗30-32
• 3.5 小結32-33
• 第4章 預警系統(tǒng)的設計與實現(xiàn)33-48
• 4.1 預警系統(tǒng)分析33-34
• 4.2 預警系統(tǒng)設計34-39
• 4.2.1 系統(tǒng)總體設計34-36
• 4.2.2 系統(tǒng)模塊設計36-37
• 4.2.3 數(shù)據(jù)結構設計37-39
• 4.3 系統(tǒng)部分功能實現(xiàn)39-44
• 4.3.1 系統(tǒng)登陸39
• 4.3.2 房地產信息管理39-41
• 4.3.3 房地產預警應用41-43
• 4.3.4 數(shù)據(jù)備份與恢復43-44
• 4.4 系統(tǒng)部分核心代碼44-47
• 4.5 小結47-48
• 第5章 系統(tǒng)測試48-54
• 5.1 系統(tǒng)測試規(guī)劃48
• 5.2 系統(tǒng)功能測試48-52
• 5.3 系統(tǒng)性能測試52
• 5.4 小結52-54
• 結論54-56
• 參考文獻56-59
• 致謝59

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉爽;陳鵬;李錫祚;;用于多類別分類的一種加權超球支持向量機算法[J];微電子學與計算機;2015年01期

2 秦建成;王景舒;;基于綜合模擬法的重慶市房地產市場風險評估研究[J];重慶理工大學學報(社會科學);2014年05期

3 龐首顏;陳松;魏建猛;張元勝;;基于類中心的SVM訓練樣本集縮減改進策略[J];重慶交通大學學報(自然科學版);2014年02期

4 花景新;薄煜明;陳志敏;;基于模糊權重的改進的房地產市場綜合評價法[J];濟南大學學報(自然科學版);2014年06期

5 夏杰;徐繼偉;荊瑞俊;;支持向量機增量學習在污染預測中的研究[J];西北工業(yè)大學學報;2014年01期

6 劉毅男;張勝修;張超;;基于遞歸約簡的在線自適應最小二乘支持向量回歸機[J];控制與決策;2014年01期

7 姚敏;周潮;;中國經濟周期波動的特征和影響因素研究[J];經濟問題探索;2013年07期

8 左琳;;序列最小優(yōu)化工作集選擇算法的改進[J];電子科技大學學報;2013年03期

9 王盛;翟青;白雨晨;;上海房地產市場預警的理論模型和實證分析[J];華東師范大學學報(哲學社會科學版);2013年03期

10 王越;呂奇峰;王泉;曾晶;;一種改進的支持向量機序列最小優(yōu)化算法[J];重慶理工大學學報(自然科學);2013年03期

，

本文編號：743487