| 摘要 | 第1-6页 |
| ABSTRACT | 第6-14页 |
| 第1章 绪论 | 第14-26页 |
| ·研究背景及课题研究的意义 | 第14-16页 |
| ·人工智能相关概念简介 | 第14-15页 |
| ·估价领域包含的内容 | 第15-16页 |
| ·人工智能方法在估价领域研究与应用的意义 | 第16页 |
| ·国内外研究现状 | 第16-20页 |
| ·人工神经网络在估价领域的研究现状 | 第16-17页 |
| ·数字地价的研究现状 | 第17-18页 |
| ·案例推理和专家系统的研究现状 | 第18-20页 |
| ·论文研究特色及章节结构 | 第20-23页 |
| ·论文研究目标及研究特色 | 第20页 |
| ·章节结构 | 第20-23页 |
| 参考文献 | 第23-26页 |
| 第2章 基于BP 神经网络的土地估价模型 | 第26-49页 |
| ·土地估价及BP 神经网络理论基础 | 第26-32页 |
| ·土地价格的影响因素 | 第26-27页 |
| ·土地估价理论 | 第27-29页 |
| ·土地估价方法 | 第29-30页 |
| ·BP 神经网络简介 | 第30页 |
| ·BP 神经网络评估地价过程 | 第30-32页 |
| ·厦门市土地估价案例选择及影响因素量化 | 第32-39页 |
| ·案例选择 | 第32页 |
| ·影响因素选取 | 第32-33页 |
| ·影响因素量化 | 第33-39页 |
| ·基于BP 神经网络土地估价模型的建立 | 第39-43页 |
| ·网络层的确定 | 第39页 |
| ·输入层和输出层节点确定 | 第39页 |
| ·隐含层节点数确定 | 第39页 |
| ·网络训练和测试 | 第39-43页 |
| ·测试结果分析 | 第43页 |
| ·实证分析 | 第43-46页 |
| ·本章小结 | 第46-48页 |
| 参考文献 | 第48-49页 |
| 第3章 基于Surfer 和ArcGIS 的数字地价模型 | 第49-61页 |
| ·数字地价模型的研究现状 | 第49-50页 |
| ·厦门市住宅用地数字地价模型 | 第50-58页 |
| ·研究思路 | 第50-52页 |
| ·基于Surfer 的模型建立 | 第52-54页 |
| ·基于ArcGIS 的模型建立 | 第54-57页 |
| ·两个数字地价模型的比较分析 | 第57-58页 |
| ·进一步的研究构想 | 第58-59页 |
| ·拓展数字地价模型的应用层面 | 第58页 |
| ·研究改进空间插值方法 | 第58页 |
| ·提升数字地价模型的应用价值 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 参考文献 | 第60-61页 |
| 第4章 基于改进BP 神经网络的住宅房地产估价模型 | 第61-74页 |
| ·房地产估价理论概述 | 第61-62页 |
| ·住宅房地产价格特征及其影响因素 | 第62-63页 |
| ·住宅市场特征 | 第62页 |
| ·住宅价格特征 | 第62-63页 |
| ·住宅价格的主要影响因素 | 第63页 |
| ·BP 神经网络概述 | 第63-65页 |
| ·人工神经网络简述 | 第63-64页 |
| ·BP 算法的改进 | 第64-65页 |
| ·基于改进BP 神经网络的厦门市住宅价格评估模型建立 | 第65-72页 |
| ·选择样本及样本标准化 | 第65-69页 |
| ·建立住宅价格评估模型 | 第69-70页 |
| ·样本训练及模型检测 | 第70页 |
| ·训练过程与测试结果 | 第70-72页 |
| ·本章小结 | 第72-73页 |
| 参考文献 | 第73-74页 |
| 第5章 基于SPSS 和RBF 神经网络的工程估价模型 | 第74-95页 |
| ·基于SPSS 的工程造价影响因素分析 | 第74-79页 |
| ·数据筛选 | 第74-76页 |
| ·基于SPSS 的工程造价影响因素分析 | 第76-79页 |
| ·径向基函数（RBF）神经网络 | 第79-83页 |
| ·RBF 网络概述 | 第79页 |
| ·径向基函数网络的结构 | 第79-81页 |
| ·RBF 网络的K-NN 学习算法 | 第81-82页 |
| ·RBF 神经网络与BP 神经网络的对比 | 第82页 |
| ·径向基函数网络的函数逼近理论 | 第82-83页 |
| ·基于RBF 神经网络的工程估价模型构建 | 第83-85页 |
| ·MATLAB 神经网络工具 | 第84页 |
| ·模型结构 | 第84-85页 |
| ·模型的训练和测试 | 第85页 |
| ·基于RBF 神经网络的厦门市工程估价模型的建立 | 第85-92页 |
| ·工程造价的主要影响因素的确定 | 第85-86页 |
| ·工程特征向量的量化处理 | 第86-90页 |
| ·工程特征向量的初始化处理 | 第90页 |
| ·径向基函数神经网络的训练和测试 | 第90-92页 |
| ·本章小结 | 第92-94页 |
| 参考文献 | 第94-95页 |
| 第6章 基于案例推理的工程估价模型 | 第95-118页 |
| ·引言 | 第95页 |
| ·基于CBR 的工程估价模型的理论基础 | 第95-97页 |
| ·CBR 的基本原理 | 第95页 |
| ·系统的总体设计 | 第95-96页 |
| ·基于CBR 的解释 | 第96-97页 |
| ·基于案例推理的厦门市工程估价模型 | 第97-115页 |
| ·案例的表示和组织 | 第97-99页 |
| ·案例检索 | 第99-107页 |
| ·案例调整 | 第107-114页 |
| ·案例重用 | 第114页 |
| ·案例学习和维护 | 第114-115页 |
| ·本章小结 | 第115-117页 |
| 参考文献 | 第117-118页 |
| 第7章 基于RBF 神经网络的工程估价专家系统 | 第118-134页 |
| ·专家系统和案例推理的关系 | 第118-119页 |
| ·案例推理与其他相关技术的比较 | 第119-121页 |
| ·RBR 与CBR 的比较和结合 | 第119页 |
| ·MBR 与CBR 的比较和结合 | 第119-120页 |
| ·基于人工神经网络的专家系统 | 第120-121页 |
| ·基于人工神经网络的专家系统设计 | 第121-124页 |
| ·系统的主要组成部分 | 第121-122页 |
| ·系统拟解决的关键问题 | 第122-124页 |
| ·基于RBF 网络的厦门市工程估价专家系统 | 第124-132页 |
| ·系统的设计流程 | 第124-125页 |
| ·系统的推理机制 | 第125页 |
| ·相似案例检索 | 第125-129页 |
| ·案例的解释 | 第129-132页 |
| ·本章小结 | 第132-133页 |
| 参考文献 | 第133-134页 |
| 第8章 总结与展望 | 第134-136页 |
| ·本文主要结论 | 第134-135页 |
| ·展望 | 第135-136页 |
| ·人工智能方法在估价领域应用的可行性 | 第135页 |
| ·人工智能方法在估价领域今后的研究方向 | 第135-136页 |
| 致谢 | 第136-137页 |
| 攻读博士学位期间主持的课题和发表的论文 | 第137页 |
