中文摘要 | 第6-7页 |
Abstract | 第7-8页 |
1 绪论 | 第9-16页 |
1.1 研究目的和意义 | 第9-12页 |
1.1.1 我国房地产行业的发展现状 | 第9-11页 |
1.1.2 研究意义 | 第11-12页 |
1.2 房地产价格预测相关研究现状 | 第12-13页 |
1.3 本文的研究思路与目标 | 第13-16页 |
1.3.1 研究目标 | 第13页 |
1.3.2 研究内容 | 第13-14页 |
1.3.3 技术路线 | 第14-15页 |
1.3.4 可能的创新 | 第15-16页 |
2 房地产市场价格分析 | 第16-22页 |
2.1 房地产概述 | 第16-18页 |
2.1.1 房地产的定义 | 第16页 |
2.1.2 房地产的特性 | 第16-18页 |
2.2 房地产价格的特征和影响因素 | 第18-22页 |
2.2.1 房地产价格的特征 | 第18-19页 |
2.2.2 房地产价格影响因素 | 第19-22页 |
3 神经网络计算模型 | 第22-42页 |
3.1 神经网络概述 | 第22-31页 |
3.1.1 神经网络的发展史 | 第22-25页 |
3.1.2 神经网络原理 | 第25-30页 |
3.1.3 神经网络的应用 | 第30-31页 |
3.2 基于神经网络的房地产价格预测原理 | 第31-33页 |
3.2.1 正向建模 | 第31-32页 |
3.2.2 逆向建模 | 第32-33页 |
3.3 反向传播(Back-Propagation,BP)网络理论 | 第33-39页 |
3.3.1 BP网络结构 | 第33-34页 |
3.3.2 BP网络学习规则 | 第34-36页 |
3.3.3 BP网络设计技巧 | 第36-37页 |
3.3.4 初始值的选取 | 第37-38页 |
3.3.5 BP网络的局限性 | 第38页 |
3.3.6 提高泛化能力的方法 | 第38-39页 |
3.4 Elman神经网络模型 | 第39-42页 |
3.4.1 Elman神经网络结构 | 第39-40页 |
3.4.2 Elman神经网络的学习过程 | 第40-42页 |
4 人工神经网络在房地产价格预测模型中的应用 | 第42-62页 |
4.1 应用背景介绍 | 第42-46页 |
4.2 BP神经网络在房地产价格预测模型中的应用 | 第46-50页 |
4.3 BP改进模型在房地产价格预测中的应用 | 第50-55页 |
4.3.1 主成分分析(Principal Component Analysis,PCA) | 第51-52页 |
4.3.2 实验仿真 | 第52-55页 |
4.4 Elman网络在房地产价格预测中的应用 | 第55-60页 |
4.5 本章小结 | 第60-62页 |
5 总结与展望 | 第62-64页 |
参考文献 | 第64-68页 |
攻读硕士期间发表的论文及科研成果 | 第68-69页 |
致谢 | 第69-71页 |