周勇++龔海東

摘 要 將投影尋蹤動態(tài)聚類模型引入到房地產(chǎn)投資環(huán)境評價方法中.針對房地產(chǎn)投資環(huán)境評價所面臨的多因素高維復雜性問題，該模型能夠完全根據(jù)樣本數(shù)據(jù)特性將高維數(shù)據(jù)通過投影向量投影到低維數(shù)據(jù)，同時實現(xiàn)對低維數(shù)據(jù)的排序和自動聚類分析，進而通過研究低維數(shù)據(jù)以實現(xiàn)對高維數(shù)據(jù)的研究.最后通過遼寧省工業(yè)地產(chǎn)投資環(huán)境評價實例驗證了該模型在房地產(chǎn)投資環(huán)境評價中的適用性.

關(guān)鍵詞 房地產(chǎn)投資環(huán)境；投影尋蹤；動態(tài)聚類；加速遺傳算法

中圖分類號 F293.3 文獻標識碼 A

Environment Evaluation Using Projection Pursuit

Dynamic Cluster Model in the Real Estate Investment

ZHOU Yong， Gong Haidong

（Xi' an University of Architecture and Technology， School of Management， Xi' an，Shangxi 710055，China）

Abstract This paper introduces the applicationof Projection Pursuit Dynamic Cluster Model in the environment evaluation of real estate investment. The environment evaluation of real estate investment is a complex problem because it involves highdimensional factors， So this model provides some advantages by projecting highdimensional data to the lowdimensional data through the projection vector according to the sample data features completely.Furthermore， it can sort the lowdimensional data and cluster automatically. Using this method ， this model can study the highdimensional data through the lowdimensional data. Finally， taking the industrial real estate investment environment evaluation of Liaoning Province as an example， this paper verified the applicability of the model in the evaluation of real estate investment environment.

Key words the real estate investment environment evaluation； projection pursuit； dynamic cluster； accelerating genetic algorithm.

1 引 言

房地產(chǎn)投資環(huán)境是指投資地對房地產(chǎn)投資活動產(chǎn)生影響的經(jīng)濟、自然、管理、社會等各種條件和因素的總稱.加之房地產(chǎn)投資本身具有投資資金巨大、回收周期長、位置固定、投資風險大等特點[1].因此房地產(chǎn)投資環(huán)境分析是一個復雜的、受多因素影響的系統(tǒng)過程.如何應用科學的評價方法對房地產(chǎn)投資環(huán)境進行客觀、公正的評價和分析將顯得至關(guān)重要.通過文獻閱讀，本文作者認為對房地產(chǎn)投資環(huán)境分析需要解決兩大主要問題：①如何在最充分的利用原始指標信息的情況下，將評價房地產(chǎn)投資環(huán)境的眾多指標信息進行降維處理轉(zhuǎn)變?yōu)榈途S問題，然后利用經(jīng)典的傳統(tǒng)方法進行分析；②在評價中盡量減少人為干擾，更多或者完全利用指標數(shù)據(jù)來進行客觀的分析和評價.投影尋蹤動態(tài)聚類模型是投影尋蹤方法和動態(tài)聚類方法的結(jié)合[2-4]，它綜合了投影尋蹤方法和動態(tài)聚類方法的優(yōu)勢：投影尋蹤方法能夠通過投影向量將高維數(shù)據(jù)轉(zhuǎn)變?yōu)榈途S數(shù)據(jù)，然后通過分析低維空間的投影數(shù)據(jù)特性來研究高維數(shù)據(jù)特性[5]；動態(tài)聚類方法能夠根據(jù)投影數(shù)據(jù)自身的特性自動進行聚類分析，克服了操作人員對投影尋蹤方法得到的投影數(shù)據(jù)要借助其他方法進行再處理的問題，同時通過動態(tài)聚類思想構(gòu)建投影指標來尋找投影向量，能夠克服要通過經(jīng)驗確定密度窗寬參數(shù)的投影尋蹤方法得到的投影向量不是很客觀的弊端.鑒于此，本文將投影尋蹤動態(tài)聚類模型應用到房地產(chǎn)投資環(huán)境評價和分析中，并借助遼寧省工業(yè)地產(chǎn)投資環(huán)境分析實例對該方法進行了初步驗證，以期為房地產(chǎn)投資環(huán)境評價分析提供更多的方法借鑒.

2 房地產(chǎn)投資環(huán)境評價相關(guān)方法綜述

房地產(chǎn)投資環(huán)境屬于城市投資環(huán)境的子系統(tǒng)，縱觀國內(nèi)外學者建立的各種投資環(huán)境評價方法，現(xiàn)階段用的比較多的方法有：灰色關(guān)聯(lián)分析法（鄧聚龍，1988）[6]，層次分析法（SAA TY TL，1908）[7]，模糊評判法（CHU A TW，1979）[8]，人工神經(jīng)網(wǎng)絡法（HECHTNIELSENR，1987）[9]，物元分析法（蔡文，1994）[10]以及投影尋蹤法（Friedman J H， Tukey J W，1974）[5]等.其中灰色關(guān)聯(lián)分析法、模糊評判法、物元分析法是主觀分析方法，在此類方法的應用中主要由人為的根據(jù)經(jīng)驗確定各個指標的權(quán)重，因此其評價結(jié)果具有一定的人為隨意性；人工神經(jīng)網(wǎng)絡方法能夠消除評價過程中的人為隨意性，但是其學習訓練需要相當多的樣本，況且還容易陷入局部極小點，因此不便于推廣應用；投影尋蹤方法能夠?qū)⒏呔S數(shù)據(jù)轉(zhuǎn)變?yōu)榈途S數(shù)據(jù)，通過低維空間數(shù)據(jù)來分析高維空間數(shù)據(jù)，但是其中的密度半徑窗口參數(shù)需要根據(jù)經(jīng)驗來確定，其評價結(jié)果仍然帶有一定的主觀性；當然也有一些經(jīng)典的傳統(tǒng)降維方法能夠利用指標數(shù)據(jù)信息對投資環(huán)境做出較客觀的評價，比如主成分分析法和因子分析法，但是此類方法是從眾多指標中提取少量指標來反應樣本信息，使得樣本的信息損失量較大，同時對樣本數(shù)據(jù)也有嚴格的要求.投影尋蹤動態(tài)聚類模型依據(jù)動態(tài)聚類思想來構(gòu)建投影指標，完全依靠樣本數(shù)據(jù)自身特性根據(jù)投影指標來尋找投影向量，利用投影向量將高維樣本數(shù)據(jù)投影到低維數(shù)據(jù)，然后通過研究處理低維數(shù)據(jù)達到研究高維數(shù)據(jù)目的，同時實現(xiàn)樣本數(shù)據(jù)的排序和自動聚類分析.投影尋蹤動態(tài)聚類模型已經(jīng)在洪水災害管理[2]、氣候分區(qū)[11]和區(qū)域水安全評價[12]等領域的多元數(shù)據(jù)分析中取得了一定的應用.本文將投影尋蹤動態(tài)聚類模型應用到房地產(chǎn)投資環(huán)境評價中，以期為房地產(chǎn)投資環(huán)境評價提供更多的方法論.endprint

5 結(jié) 語

投影尋蹤動態(tài)聚類模型通過投影方向向量將高維數(shù)據(jù)轉(zhuǎn)變?yōu)榈途S數(shù)據(jù)，發(fā)揮了投影尋蹤方法處理高維數(shù)據(jù)的優(yōu)勢；同時完全依靠樣本數(shù)據(jù)自身特性進行聚類分析，使聚類結(jié)果具有客觀可靠的優(yōu)勢；再者借用動態(tài)聚類思想構(gòu)建投影指標函數(shù)并利用加速遺傳算法求解得出的最佳投影方向向量能夠避免人為確定指標權(quán)重的弊端；另外此模型對樣本數(shù)據(jù)的容量沒有要求，與其他較客觀的評價方法（如人工神經(jīng)網(wǎng)絡）相比便于推廣應用.因此投影尋蹤動態(tài)聚類模型是房地產(chǎn)投資環(huán)境分析評價方法的一種較好的選擇.

參考文獻

[1] 俞明軒.房地產(chǎn)投資分析[M].北京：首都經(jīng)濟貿(mào)易大學出版社，2004：98-101.

[2] 倪長健，崔鵬.投影尋蹤動態(tài)聚類模型[J].系統(tǒng)工程學報，2007，22（6）：634-638.

[3] BACHMANN C M， MUSMAN S A， LUONG D，et al. Unsupervised BCM projection pursuit algorithms for classification of simulated radar presentation[J].Neural Networks，1994，7（4）：709-728.

[4] FRIEDMAN J H， STUETZLE W. Projection pursuit regression [J]. Journal of the American Statistical Association，1981，76（376）：817-823.

[5] FRIEDMAN J H， TUKEY J W. A projection pursuit algorithm for exploratory data analysis.IEEE Trans on computer， 1974， 23（9）：881-890.

[6] 鄧聚龍.灰色系統(tǒng)基本方法[M].武漢：華中理工大學出版社，1988：1-59.

[7] SAATY T L. The analytic analytic hierarchy process[M].New York：McGrawHill，1980：3-8.

[8] CHU A T W. A comparison of two methods for determining the weights of belonging to fuzzy sets[J].Journal of Optimization theory and Applications，1979，27（5）：531-538.

[9] HECHTNIEL SENR. Komogrovs mapping neural network existence theorem[C]//Proceedings of the international conference on Neural Networks New York： IEEE Press，1987：11-13.

[10]蔡文. 物元模型及其應用[M].北京：科學技術(shù)文獻出版社，1994.

[11]王順久， 李躍清. 基于投影尋蹤原理的動態(tài)聚類模型及其在氣候區(qū)劃中的應用[J].應用氣象學報，2007，5（18）：722-726.

[12]王順久，倪長健. 投影尋蹤動態(tài)聚類模型及其應用[J].哈爾濱工業(yè)大學學報，2009，41（1）：178-180.

[13]任若恩，王惠文.多元統(tǒng)計數(shù)據(jù)分析——理論、方法、實例[M]. 北京：國防工業(yè)出版社，2000：148-151.

[14]金良菊，楊曉華，丁晶. 基于實數(shù)編碼的加速遺傳算法[J]. 四川大學學報：工程科學版，2000，32（4）：20-24.

[15]劉國華，包宏，李文超. 用MATLAB實現(xiàn)遺傳算法程序[J].計算機應用研究，2001，17（8）：80-82.

[16]殷銘， 張興華， 戴先中. 基于MATLAB的遺傳算法實現(xiàn)[J].電子技術(shù)應用， 2000，25（1）：9-11.

[17]張軍濤， 劉建國. 遼寧省主要城市投資環(huán)境的實證研究[J]. 工業(yè)技術(shù)經(jīng)濟，2008，27（8）：82-86.

[18]楊建喜， 宋永發(fā). 基于PP-RAGA的工業(yè)地產(chǎn)投資環(huán)境評價的實證研究[J]. 工程管理學報， 2010，24（6）：664-668.

[19]張衛(wèi)國， 何偉. 中國地級城市投資環(huán)境評價研究[J]. 管理學報，2006，3（2）：195-198.endprint

5 結(jié) 語

投影尋蹤動態(tài)聚類模型通過投影方向向量將高維數(shù)據(jù)轉(zhuǎn)變?yōu)榈途S數(shù)據(jù)，發(fā)揮了投影尋蹤方法處理高維數(shù)據(jù)的優(yōu)勢；同時完全依靠樣本數(shù)據(jù)自身特性進行聚類分析，使聚類結(jié)果具有客觀可靠的優(yōu)勢；再者借用動態(tài)聚類思想構(gòu)建投影指標函數(shù)并利用加速遺傳算法求解得出的最佳投影方向向量能夠避免人為確定指標權(quán)重的弊端；另外此模型對樣本數(shù)據(jù)的容量沒有要求，與其他較客觀的評價方法（如人工神經(jīng)網(wǎng)絡）相比便于推廣應用.因此投影尋蹤動態(tài)聚類模型是房地產(chǎn)投資環(huán)境分析評價方法的一種較好的選擇.

參考文獻

[1] 俞明軒.房地產(chǎn)投資分析[M].北京：首都經(jīng)濟貿(mào)易大學出版社，2004：98-101.

[2] 倪長健，崔鵬.投影尋蹤動態(tài)聚類模型[J].系統(tǒng)工程學報，2007，22（6）：634-638.

[3] BACHMANN C M， MUSMAN S A， LUONG D，et al. Unsupervised BCM projection pursuit algorithms for classification of simulated radar presentation[J].Neural Networks，1994，7（4）：709-728.

[4] FRIEDMAN J H， STUETZLE W. Projection pursuit regression [J]. Journal of the American Statistical Association，1981，76（376）：817-823.

[5] FRIEDMAN J H， TUKEY J W. A projection pursuit algorithm for exploratory data analysis.IEEE Trans on computer， 1974， 23（9）：881-890.

[6] 鄧聚龍.灰色系統(tǒng)基本方法[M].武漢：華中理工大學出版社，1988：1-59.

[7] SAATY T L. The analytic analytic hierarchy process[M].New York：McGrawHill，1980：3-8.

[8] CHU A T W. A comparison of two methods for determining the weights of belonging to fuzzy sets[J].Journal of Optimization theory and Applications，1979，27（5）：531-538.

[9] HECHTNIEL SENR. Komogrovs mapping neural network existence theorem[C]//Proceedings of the international conference on Neural Networks New York： IEEE Press，1987：11-13.

[10]蔡文. 物元模型及其應用[M].北京：科學技術(shù)文獻出版社，1994.

[11]王順久， 李躍清. 基于投影尋蹤原理的動態(tài)聚類模型及其在氣候區(qū)劃中的應用[J].應用氣象學報，2007，5（18）：722-726.

[12]王順久，倪長健. 投影尋蹤動態(tài)聚類模型及其應用[J].哈爾濱工業(yè)大學學報，2009，41（1）：178-180.

[13]任若恩，王惠文.多元統(tǒng)計數(shù)據(jù)分析——理論、方法、實例[M]. 北京：國防工業(yè)出版社，2000：148-151.

[14]金良菊，楊曉華，丁晶. 基于實數(shù)編碼的加速遺傳算法[J]. 四川大學學報：工程科學版，2000，32（4）：20-24.

[15]劉國華，包宏，李文超. 用MATLAB實現(xiàn)遺傳算法程序[J].計算機應用研究，2001，17（8）：80-82.

[16]殷銘， 張興華， 戴先中. 基于MATLAB的遺傳算法實現(xiàn)[J].電子技術(shù)應用， 2000，25（1）：9-11.

[17]張軍濤， 劉建國. 遼寧省主要城市投資環(huán)境的實證研究[J]. 工業(yè)技術(shù)經(jīng)濟，2008，27（8）：82-86.

[18]楊建喜， 宋永發(fā). 基于PP-RAGA的工業(yè)地產(chǎn)投資環(huán)境評價的實證研究[J]. 工程管理學報， 2010，24（6）：664-668.

[19]張衛(wèi)國， 何偉. 中國地級城市投資環(huán)境評價研究[J]. 管理學報，2006，3（2）：195-198.endprint

5 結(jié) 語

投影尋蹤動態(tài)聚類模型通過投影方向向量將高維數(shù)據(jù)轉(zhuǎn)變?yōu)榈途S數(shù)據(jù)，發(fā)揮了投影尋蹤方法處理高維數(shù)據(jù)的優(yōu)勢；同時完全依靠樣本數(shù)據(jù)自身特性進行聚類分析，使聚類結(jié)果具有客觀可靠的優(yōu)勢；再者借用動態(tài)聚類思想構(gòu)建投影指標函數(shù)并利用加速遺傳算法求解得出的最佳投影方向向量能夠避免人為確定指標權(quán)重的弊端；另外此模型對樣本數(shù)據(jù)的容量沒有要求，與其他較客觀的評價方法（如人工神經(jīng)網(wǎng)絡）相比便于推廣應用.因此投影尋蹤動態(tài)聚類模型是房地產(chǎn)投資環(huán)境分析評價方法的一種較好的選擇.

參考文獻

[1] 俞明軒.房地產(chǎn)投資分析[M].北京：首都經(jīng)濟貿(mào)易大學出版社，2004：98-101.

[2] 倪長健，崔鵬.投影尋蹤動態(tài)聚類模型[J].系統(tǒng)工程學報，2007，22（6）：634-638.

[3] BACHMANN C M， MUSMAN S A， LUONG D，et al. Unsupervised BCM projection pursuit algorithms for classification of simulated radar presentation[J].Neural Networks，1994，7（4）：709-728.

[4] FRIEDMAN J H， STUETZLE W. Projection pursuit regression [J]. Journal of the American Statistical Association，1981，76（376）：817-823.

[5] FRIEDMAN J H， TUKEY J W. A projection pursuit algorithm for exploratory data analysis.IEEE Trans on computer， 1974， 23（9）：881-890.

[6] 鄧聚龍.灰色系統(tǒng)基本方法[M].武漢：華中理工大學出版社，1988：1-59.

[7] SAATY T L. The analytic analytic hierarchy process[M].New York：McGrawHill，1980：3-8.

[8] CHU A T W. A comparison of two methods for determining the weights of belonging to fuzzy sets[J].Journal of Optimization theory and Applications，1979，27（5）：531-538.

[9] HECHTNIEL SENR. Komogrovs mapping neural network existence theorem[C]//Proceedings of the international conference on Neural Networks New York： IEEE Press，1987：11-13.

[10]蔡文. 物元模型及其應用[M].北京：科學技術(shù)文獻出版社，1994.

[11]王順久， 李躍清. 基于投影尋蹤原理的動態(tài)聚類模型及其在氣候區(qū)劃中的應用[J].應用氣象學報，2007，5（18）：722-726.

[12]王順久，倪長健. 投影尋蹤動態(tài)聚類模型及其應用[J].哈爾濱工業(yè)大學學報，2009，41（1）：178-180.

[13]任若恩，王惠文.多元統(tǒng)計數(shù)據(jù)分析——理論、方法、實例[M]. 北京：國防工業(yè)出版社，2000：148-151.

[14]金良菊，楊曉華，丁晶. 基于實數(shù)編碼的加速遺傳算法[J]. 四川大學學報：工程科學版，2000，32（4）：20-24.

[15]劉國華，包宏，李文超. 用MATLAB實現(xiàn)遺傳算法程序[J].計算機應用研究，2001，17（8）：80-82.

[16]殷銘， 張興華， 戴先中. 基于MATLAB的遺傳算法實現(xiàn)[J].電子技術(shù)應用， 2000，25（1）：9-11.

[17]張軍濤， 劉建國. 遼寧省主要城市投資環(huán)境的實證研究[J]. 工業(yè)技術(shù)經(jīng)濟，2008，27（8）：82-86.

[18]楊建喜， 宋永發(fā). 基于PP-RAGA的工業(yè)地產(chǎn)投資環(huán)境評價的實證研究[J]. 工程管理學報， 2010，24（6）：664-668.

[19]張衛(wèi)國， 何偉. 中國地級城市投資環(huán)境評價研究[J]. 管理學報，2006，3（2）：195-198.endprint