| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-14页 |
| 1.1.2 研究意义 | 第14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.2.1 国外房地产批量评估的产生与发展 | 第14-16页 |
| 1.2.2 国内研究现状 | 第16-19页 |
| 1.3 研究的主要内容 | 第19-20页 |
| 1.4 研究技术路线与方法 | 第20-24页 |
| 1.4.1 技术路线 | 第20-21页 |
| 1.4.2 研究方法 | 第21-24页 |
| 第二章 房地产批量评估概述 | 第24-36页 |
| 2.1 房地产批量评估的概念 | 第24-25页 |
| 2.1.1 批量评估与单宗评估方法的区别 | 第24-25页 |
| 2.2 房地产批量评估的理论基础 | 第25-28页 |
| 2.2.1 房地产估价理论与方法 | 第25-27页 |
| 2.2.2 房地产批量评估方法的选择 | 第27-28页 |
| 2.3 房地产价格影响因素研究 | 第28-35页 |
| 2.3.1 房地产价格影响因素分析 | 第29-32页 |
| 2.3.2 房地产批量评估模型影响因素的选取 | 第32-33页 |
| 2.3.3 房地产价格影响因素指标的量化 | 第33-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 房地产评估区域的划分 | 第36-48页 |
| 3.1 评估区域划分的概念 | 第36页 |
| 3.2 聚类分析理论概述 | 第36-42页 |
| 3.2.1 聚类相关知识 | 第37页 |
| 3.2.2 聚类分析常用的相似性度量 | 第37-40页 |
| 3.2.3 聚类方法的选择及步骤 | 第40-42页 |
| 3.3 房地产评估区域的划分 | 第42-47页 |
| 3.3.1 房地产评估区域划分的基本原则 | 第42页 |
| 3.3.2 昆明市评估区域的划分 | 第42-43页 |
| 3.3.3 数据采集 | 第43页 |
| 3.3.4 数据分析结果 | 第43-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 人工神经网络 | 第48-66页 |
| 4.1 人工神经网络概述 | 第48-53页 |
| 4.1.1 人工神经元模型 | 第49-51页 |
| 4.1.2 人工神经网络的运行过程 | 第51-53页 |
| 4.2 BP神经网络模型 | 第53-60页 |
| 4.2.1 BP神经网络结构 | 第54-55页 |
| 4.2.2 BP网络的标准学习算法 | 第55-58页 |
| 4.2.3 BP网络算法的局限性及改进 | 第58-60页 |
| 4.3 房地产批量评估的BP神经网络模型 | 第60-64页 |
| 4.3.1 BP网络在房地产批量评估中应用的可行性 | 第60-61页 |
| 4.3.2 房地产批量评估流程设计 | 第61-62页 |
| 4.3.3 房地产批量评估的网络结构设计 | 第62-64页 |
| 4.4 基于MATLAB的房地产估价神经网络模型实现 | 第64-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第五章 房地产批量评估的BP神经网络模型案例 | 第66-78页 |
| 5.1 数据来源及处理 | 第66-69页 |
| 5.2 BP网络训练过程及结果 | 第69-75页 |
| 5.2.1 传统BP算法的网络训练过程及结果 | 第70-71页 |
| 5.2.2 改进LM算法的网络训练过程及结果 | 第71-75页 |
| 5.3 网络测试检验 | 第75-77页 |
| 5.4 结果分析 | 第77页 |
| 5.5 本章小结 | 第77-78页 |
| 第六章 结论与展望 | 第78-80页 |
| 6.1 结论 | 第78-79页 |
| 6.2 创新与不足 | 第79页 |
| 6.3 研究展望 | 第79-80页 |
| 致谢 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 附录A 攻读硕士期间发表论文目录 | 第86-88页 |
| 附录B 西山区船房片区多层框架结构住宅样本数据 | 第88-92页 |
| 附录C 交易案例样本数据 | 第92-96页 |
| 附录D 交易案例数据量化表 | 第96-99页 |