人工神经网络在住宅类房地产评估中的应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-14页 |
| 1.1 选题背景和研究意义 | 第10-11页 |
| 1.2 国内外的研究现状 | 第11-14页 |
| 1.2.1 房地产评估的研究状况 | 第11-12页 |
| 1.2.2 人工神经网络的研究状况 | 第12-14页 |
| 2 房地产评估理论基础 | 第14-26页 |
| 2.1 房地产的概念和特性 | 第14-15页 |
| 2.1.1 土地与建筑物 | 第14页 |
| 2.1.2 房地产 | 第14-15页 |
| 2.2 房地产评估的原则 | 第15-16页 |
| 2.3 房地产评估的程序 | 第16-18页 |
| 2.3.1 明确评估基本事项并制定工作计划 | 第16-17页 |
| 2.3.2 实地考察与资料收集 | 第17页 |
| 2.3.3 测算被估房地产价值 | 第17-18页 |
| 2.3.4 确定评估结果和撰写评估报告 | 第18页 |
| 2.4 房地产评估常用的几种方法 | 第18-26页 |
| 2.4.1 市场法 | 第18-20页 |
| 2.4.2 收益法 | 第20-22页 |
| 2.4.3 成本法 | 第22-23页 |
| 2.4.4 剩余法 | 第23-24页 |
| 2.4.5 市场法的优缺点 | 第24-26页 |
| 3 建立房地产价格影响因素指标集 | 第26-31页 |
| 3.1 影响房地产价格的一般因素 | 第26-27页 |
| 3.2 影响房地产价格的区域因素 | 第27页 |
| 3.3 影响房地产价格的个别因素 | 第27-28页 |
| 3.4 建立住宅类房地产价格影响因素指标集 | 第28-31页 |
| 4 人工神经网络理论基础 | 第31-35页 |
| 4.1 概念的提出 | 第31页 |
| 4.2 人工神经元模型 | 第31-32页 |
| 4.3 人工神经网络基本结构 | 第32-35页 |
| 4.3.1 层次结构 | 第32-33页 |
| 4.3.2 激活函数 | 第33-35页 |
| 5. 建立基于 BP 神经网络的房地产评估模型 | 第35-49页 |
| 5.1 BP 网络模型与结构 | 第35-36页 |
| 5.2 BP 神经网络的学习规则 | 第36-38页 |
| 5.3 matlab 对 BP 神经网络的设计 | 第38-39页 |
| 5.4 实证研究网络参数的选取 | 第39-49页 |
| 5.4.1 BP 网络隐含层节点数的选取 | 第39-42页 |
| 5.4.2 BP 网络算法的选取 | 第42-47页 |
| 5.4.3 BP 网络其他参数的选取 | 第47页 |
| 5.4.4 算法对模型的影响 | 第47-49页 |
| 6 实证研究 | 第49-53页 |
| 6.1 调研情况 | 第49-50页 |
| 6.2 数据标准化整理 | 第50页 |
| 6.3 运行模型 | 第50-52页 |
| 6.4 结果分析 | 第52-53页 |
| 7 应用小波分析优化 BP 神经网络 | 第53-59页 |
| 7.1 从 Fourier 分析到小波分析 | 第53页 |
| 7.2 小波变换基本概念及特点 | 第53-54页 |
| 7.3 小波神经网络 | 第54-57页 |
| 7.3.1 小波网络的结构 | 第54-55页 |
| 7.3.2 算法的选择 | 第55页 |
| 7.3.3 网络的建立和训练 | 第55-57页 |
| 7.4 小波神经网络与 BP 网络比较 | 第57-59页 |
| 8 结论与展望 | 第59-61页 |
| 8.1 结论 | 第59页 |
| 8.2 展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 附录 | 第64-70页 |
| 致谢 | 第70-71页 |
| 作者简介 | 第71-72页 |
| 硕士学位论文摘要 | 第72-89页 |
