隨著我國(guó)城鎮(zhèn)化進(jìn)程不斷推進(jìn),城市土地經(jīng)濟(jì)在國(guó)民經(jīng)濟(jì)中占比越來(lái)越重,其核心是城市住宅地價(jià),因此對(duì)城市住宅地價(jià)準(zhǔn)確、及時(shí)地評(píng)估具有重要現(xiàn)實(shí)意義。傳統(tǒng)城市住宅地價(jià)評(píng)估方法具有周期長(zhǎng)、低效率、誤差大等缺點(diǎn)。住宅地價(jià)數(shù)據(jù)常具有不平衡性、數(shù)據(jù)量小等缺陷,因此提出一種適合住宅地價(jià)數(shù)據(jù)特征的快速評(píng)估方法很有必要。本論文針對(duì)住宅地價(jià)數(shù)據(jù)總量少、類別分布不平衡等缺陷,提出一種基于遷移學(xué)習(xí)的地價(jià)特征提取方法,并使用不同的地價(jià)評(píng)估模型進(jìn)行精度評(píng)定,探索出適合地價(jià)評(píng)估的模型與方法。本論文主要研究工作如下:(1)針對(duì)傳統(tǒng)的地價(jià)特征選取不足性以及特征量化主觀性,本論文從商業(yè)、交通、教育、基礎(chǔ)設(shè)施、環(huán)境以及其他綜合因素入手,構(gòu)建了覆蓋面廣的住宅地價(jià)影響因子體系。并結(jié)合各影響因子的特點(diǎn)及其與住宅地價(jià)的關(guān)系,建立了深圳市住宅地價(jià)因子量化體系。(2)本論文提出了一種解決訓(xùn)練數(shù)據(jù)總量小的特征提取算法。通過(guò)引入遷移學(xué)習(xí)技術(shù),考慮房?jī)r(jià)特征與地價(jià)特征相關(guān)性,將房?jī)r(jià)特征遷移到住宅地價(jià)特征提取中,解決了原來(lái)地價(jià)數(shù)據(jù)總量小、特征提取困難等問(wèn)題,實(shí)現(xiàn)對(duì)住宅地價(jià)的高精度評(píng)估。(3)在使用主成分分析方法提取地價(jià)特征過(guò)程中,本論文改變了慣用特征值大于1的主成分選取方式,采用對(duì)不同主成分進(jìn)行交叉驗(yàn)證的方式,探索出適合住宅地價(jià)分類的主成分。(4)根據(jù)本論文提出的遷移學(xué)習(xí)特征提取方法,首先基于房?jī)r(jià)數(shù)據(jù)和深度置信網(wǎng)絡(luò)(DBN)進(jìn)行特征提取器訓(xùn)練,然后使用房?jī)r(jià)DBN模型進(jìn)行地價(jià)特征提取,最后選取了三種常用的地價(jià)分類模型(支持向量機(jī)、BP神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林)對(duì)提取的地價(jià)特征進(jìn)行分類精度分析,驗(yàn)證了基于遷移學(xué)習(xí)住宅地價(jià)特征提取算法的有效性,得出了隨機(jī)森林分類模型更適合于城市住宅地價(jià)分類評(píng)估的結(jié)論。本論文對(duì)住宅地價(jià)特征提取方法進(jìn)行改進(jìn),實(shí)驗(yàn)結(jié)果表明基于遷移學(xué)習(xí)的地價(jià)特征提取算法較常用的主成分分析提取方法、線性歸一化方法具有更好分類精度,分別提高了10.9%和4.73%的平均精度,最優(yōu)的特征集分類精度達(dá)90.28%,因此,本論文提出的住宅地價(jià)評(píng)估算法能滿足實(shí)際地價(jià)評(píng)估精度。
【學(xué)位單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：F299.23;TP18
【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀及存在的問(wèn)題
        1.2.1 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.2 存在的問(wèn)題
    1.3 研究?jī)?nèi)容和技術(shù)路線
        1.3.1 研究?jī)?nèi)容
        1.3.2 技術(shù)路線
    1.4 論文創(chuàng)新之處
    1.5 論文組織結(jié)構(gòu)
第二章 地價(jià)評(píng)估基本理論
    2.1 地價(jià)相關(guān)概念及理論
        2.1.1 網(wǎng)格地價(jià)理論
        2.1.2 區(qū)位地價(jià)理論
        2.1.3 土地供需地價(jià)理論
    2.2 主成分分析
    2.3 常用地價(jià)評(píng)估模型算法
        2.3.1 BP神經(jīng)網(wǎng)絡(luò)
        2.3.2 隨機(jī)森林
        2.3.3 支持向量機(jī)
    2.4 本章小結(jié)
第三章 住宅地價(jià)特征選取及量化
    3.1 研究區(qū)概況
        3.1.1 自然條件
        3.1.2 社會(huì)經(jīng)濟(jì)發(fā)展?fàn)顩r
        3.1.3 深圳土地市場(chǎng)發(fā)育概況
    3.2 住宅地價(jià)特征選擇
    3.3 住宅地價(jià)特征數(shù)據(jù)獲取
    3.4 特征量化
        3.4.1 房?jī)r(jià)和地價(jià)量化
        3.4.2 商業(yè)因素量化
        3.4.3 交通因素量化
        3.4.4 教育因素量化
        3.4.5 基礎(chǔ)設(shè)施因素量化
        3.4.6 環(huán)境因素量化
        3.4.7 其他因素量化
    3.5 本章小結(jié)
第四章 基于遷移學(xué)習(xí)城市住宅地價(jià)評(píng)估算法
    4.1 遷移學(xué)習(xí)理論
        4.1.1 遷移學(xué)習(xí)分類
        4.1.2 同構(gòu)遷移學(xué)習(xí)
        4.1.3 異構(gòu)遷移學(xué)習(xí)
        4.1.4 遷移學(xué)習(xí)在地價(jià)評(píng)估中的優(yōu)勢(shì)
    4.2 深度置信網(wǎng)絡(luò)
    4.3 房?jī)r(jià)與住宅地價(jià)關(guān)系
    4.4 基于遷移學(xué)習(xí)城市住宅地價(jià)評(píng)估算法
    4.5 本章小結(jié)
第五章 基于人工智能城市住宅地價(jià)評(píng)估模型構(gòu)建及結(jié)果分析
    5.1 數(shù)據(jù)預(yù)處理
        5.1.1 交叉驗(yàn)證數(shù)據(jù)分組
        5.1.2 歸一化處理
        5.1.3 主成分分析數(shù)據(jù)處理
    5.2 基于遷移學(xué)習(xí)住宅地價(jià)特征提取
        5.2.1 房?jī)r(jià)DBN模型訓(xùn)練
            5.2.1.1 網(wǎng)絡(luò)輸入輸出層確定
            5.2.1.2 遷移學(xué)習(xí)DBN模型精度評(píng)定
        5.2.2 基于房?jī)r(jià)數(shù)據(jù)的地價(jià)特征提取
    5.3 基于BP神經(jīng)網(wǎng)絡(luò)地價(jià)評(píng)估模型構(gòu)建及分析
        5.3.1 網(wǎng)絡(luò)結(jié)構(gòu)確定
            5.3.1.1 網(wǎng)絡(luò)輸入層輸出層確定
            5.3.1.2 中間層確定
        5.3.2 訓(xùn)練參數(shù)選取
        5.3.3 實(shí)驗(yàn)結(jié)果及分析
    5.4 基于SVM地價(jià)評(píng)估模型構(gòu)建及結(jié)果分析
        5.4.1 實(shí)驗(yàn)環(huán)境選取
        5.4.2 SVM參數(shù)設(shè)置
        5.4.3 實(shí)驗(yàn)過(guò)程及結(jié)果
        5.4.4 精度評(píng)估及檢驗(yàn)
    5.5 基于隨機(jī)森林地價(jià)評(píng)估模型構(gòu)建及分析
        5.5.1 參數(shù)設(shè)置討論
        5.5.2 模型性能評(píng)判
        5.5.3 實(shí)驗(yàn)結(jié)果分析
    5.6 模型對(duì)比及結(jié)果分析
    5.7 其他年份住宅地價(jià)評(píng)估
    5.8 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果
    發(fā)表的學(xué)術(shù)論文
    申請(qǐng)的專利
    申請(qǐng)的軟件著作權(quán)
攻讀碩士學(xué)位期間參與的項(xiàng)目

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 甘霖;馮長(zhǎng)春;王乾;;北京市房?jī)r(jià)與地價(jià)的動(dòng)態(tài)關(guān)系——基于結(jié)構(gòu)方程模型的實(shí)證分析[J];地理研究;2016年10期

2 張景祥;王士同;鄧趙紅;蔣亦樟;李奕;;融合異構(gòu)特征的子空間遷移學(xué)習(xí)算法[J];自動(dòng)化學(xué)報(bào);2014年02期

3 姚登舉;楊靜;詹曉娟;;基于隨機(jī)森林的特征選擇算法[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2014年01期

4 顧燕萍;趙文杰;吳占松;;最小二乘支持向量機(jī)的算法研究[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年07期

5 柳小桐;;BP神經(jīng)網(wǎng)絡(luò)輸入層數(shù)據(jù)歸一化研究[J];機(jī)械工程與自動(dòng)化;2010年03期

6 李萬(wàn)慶;張金水;孟文清;;基于小波神經(jīng)網(wǎng)絡(luò)的房地產(chǎn)價(jià)格指數(shù)預(yù)測(cè)研究[J];河北工程大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年01期

7 焦利民;劉耀林;葉宗達(dá);;基于神經(jīng)網(wǎng)絡(luò)趨勢(shì)面分析的地價(jià)樣點(diǎn)檢驗(yàn)方法研究[J];測(cè)繪信息與工程;2007年06期

8 潘昊,王曉勇,陳瓊,黃少鑾;基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)技術(shù)的應(yīng)用[J];計(jì)算機(jī)應(yīng)用;2005年12期

9 張蓬濤,楊紅;基于神經(jīng)網(wǎng)絡(luò)的基準(zhǔn)地價(jià)預(yù)測(cè)模型研究——以河北省主要城市為例[J];中國(guó)土地科學(xué);2000年05期

10 申玲,唐安淮;基于BP神經(jīng)網(wǎng)絡(luò)的房地產(chǎn)市場(chǎng)比較法價(jià)格評(píng)估[J];系統(tǒng)工程理論與實(shí)踐;1998年05期

相關(guān)博士學(xué)位論文 前3條

1 龍明盛;遷移學(xué)習(xí)問(wèn)題與方法研究[D];清華大學(xué);2014年

2 譚琦;面向跨領(lǐng)域文檔分類的異構(gòu)遷移學(xué)習(xí)算法研究[D];華南理工大學(xué);2013年

3 葉青;人工智能方法在估價(jià)領(lǐng)域的研究與應(yīng)用[D];華僑大學(xué);2011年

相關(guān)碩士學(xué)位論文 前7條

1 李琴;深圳市住宅地價(jià)影響因素空間量化分析[D];武漢大學(xué);2017年

2 吳國(guó)琴;遷移學(xué)習(xí)在圖像分類中的應(yīng)用研究[D];安徽大學(xué);2017年

3 胡秋豐;基于曲面擬合的基準(zhǔn)地價(jià)評(píng)估方法研究[D];天津商業(yè)大學(xué);2015年

4 張潔;基于GWR模型的城市住宅地價(jià)空間分異研究[D];浙江大學(xué);2012年

5 湯隆慧;基于跨領(lǐng)域的遷移學(xué)習(xí)算法研究[D];湖南大學(xué);2011年

6 章浩;基于格網(wǎng)單元的土地定級(jí)與基準(zhǔn)地價(jià)更新研究[D];福建師范大學(xué);2008年

7 陳郁;改進(jìn)的B-P神經(jīng)網(wǎng)絡(luò)在土地估價(jià)信息系統(tǒng)中的應(yīng)用研究[D];河南大學(xué);2007年

本文編號(hào)：2891530