基于空间卷积网络的银行房产鉴价算法研究

目录

第1 章 绪 论

1.1 课题研究背景

1.2 研究目的和意义

1.3 国外内研究现状

1.3.1 传统房产鉴价方法的研究现状

1.3.2 计算机视觉技术在房产鉴价的应用

1.3.3 图神经网络的研究现状

1.3.4 国内外研究现状分析

1.4 主要研究内容

第2 章 基于兴趣点空间信息的鉴价方法

2.1 引言

2.2 经典房产鉴价模型

2.2.1 特征价格模型

2.2.2 空间相关性度量

2.2.3 空间自回归

2.2.4 地理加权回归

2.3 数据采集与预处理

2.3.1 基础房产属性采集

2.3.2 兴趣点信息采集

2.3.3 原始数据预处理

2.4 特征工程与数据集构造

2.4.1 连续型属性

2.4.2 离散型属性

2.4.3 统计型属性

2.4.4 数据集构造

2.5 基础模型与影响因素分析

2.5.1 实验环境

2.5.2 评价指标

2.5.3 基础模型

2.5.4 房价影响因素分析

2.6 本章小结

第3 章 基于卫星图像空间信息的鉴价方法

3.1 引言

3.2 卫星图像嵌入算法

3.3 基于 SVCN 的房产鉴价

3.4 无遗忘增量训练

3.5 深层兴趣区域

3.6 实验设计与结果分析

3.6.1 实验设计

3.6.2 卫星数据集介绍

3.6.3 SVCN 实验结果

3.6.4 Deep-AOI 实验结果

3.6.5 实验结果综合对比

3.7 本章小结

第4 章 基于近邻房产空间信息的鉴价方法

4.1 引言

4.2 空间权重矩阵

4.3 图卷积神经网络

4.4 改进的 Field-GCN

4.5 改进的 GW-GCN 网络

4.6 基于 SGCN 的房产鉴价框架

4.7 实验设计与结果分析

4.7.1 实验设计

4.7.2 空间相关性检验

4.7.3 SGCN 实验结果

4.7.4 房产鉴价精度的综合对比

4.8 本章小结

结 论

参考文献

攻读硕士学位期间发表的论文及其它成果

声明

致谢