1. 毕业设计（论文）的内容和要求

本课题拟以python为开发技术语言，研究深度学习与gis技术的结合应用。

利用两者的特长，以城市房产信息为对象进行时间与空间的变化模拟分析，设计与实现空间分析模型。

课题研究要求：掌握深度学习与gis技术的原理，面向城市房产价格建立空间聚类分析方法以及神经网络方法模型，并在此基础上采用python与gis相结合进行二次开发，实现基于深度学习的房价模拟时空模型。

2. 参考文献

[1] 王洋.基于住宅优势度的城市住宅价格空间分异研究[M].北京:科学出版社,2015:4-60. [2] 池娇,焦利民.住宅房地产价格评估的空间型BP神经网络模型[J].地理空间信息,2017(02):86-90 11. [3] 李大营.基于粗糙集和小波神经网络模型的房地产价格走势预测研究[J].经济与金融,2009(11):18-22. [4] 朱寿佳.基于核密度估计的南京二手房活跃度特征及影响机制研究[J]. 地球信息科学学报,2015,06:698-704. [5] 杨瑛.西安市主城区居住空间格局与形成机制研究[J]. 地域研究与开发,2015(05):68-74 [6] Marcelo C. Medeiros. An alternative approach to estimating demand: Neural network regression with conditional volatility for high frequency air passenger arrivals[J]. Elsevier Journal,2008,147(02):362-383. [7] 司继文.Hedonic住宅特征价格模型的BP神经网络方法[J].管理学报,2012(07):1007-1012. [8] 陈创泉.基于房地产行业发展现状的数学模型[J] .数学的实践与认识,2012(08):180-190. [9] 阮连法.一种新的二手房价格评估方法[J]. 统计与决策，2004(01):119-121. [10] 高玉明.基于遗传算法和BP神经网络的房价预测分析[J]. 计算机工程,2014(04): 187-191. [11] 王少剑.中国县域住宅价格的空间差异特征与影响机制[J].地理学报.2016,08:1329-1342. [12] Montana D J, Davis L. Training Feedforward Neural Networks Using Neural Networks and Genetic Algorithm[C]//Proc. of International Conference on Computing, Communications and Control Technologies. Austin, USA: [s.n.],1989:762-767. [13] 邸凯昌.空间数据发掘和知识发现[M].武汉:武汉大学出版社,2001. [14] 周志华.机器学习[M].北京:清华大学出版社,2016. [15] Ram Deepak Gottapu, Cihan Dagli, Bharami Ali.Entity Resolution Using Convolutional Neuarl Network[J].Procedia Computer Science,2016,95.

3. 毕业设计（论文）进程安排

12.20-12.31 浏览相关文献，并翻译英文论文；明确毕业设计思路，撰写开题报告。

1.1-2.28 收集、整理毕业设计课题数据与相关资料。

3.1-3.20 处理毕业设计所需基础数据，包括地图数据。