典型文献
城镇建设适宜性评价的贝叶斯网络机器学习方法
文献摘要：
研究目的:避免城镇建设适宜性评价指标及其权重体系建立的主观性,通过"数据海选—非线性认知—线性规则转化"的方式,探索能反映城镇建设适宜性影响因素之间真实联系、评价结果易于理解、便于落地实施的城镇建设适宜性评价方法.研究方法:非线性机器学习、贝叶斯网络模型.研究结果:贝叶斯网络非线性结构学习出的有向无圈网络(DAG)揭示了城镇建设适宜性评价指标影响的线性主次性,贝叶斯网络非线性参数学习出的各评价指标重要度映射出城镇建设适宜性评价指标的线性重要度.研究结论:对比"专家经验线性评价"、"非线性贝叶斯网络评价""转化线性规则评价"三种方法评价结果,非线性贝叶斯网络评价结果的合理性大大高于专家经验线性评价结果,转化线性规则评价结果的准确性不如非线性贝叶斯网络评价,但误差在可接受范围内,评价出的城镇建设适宜用地更加集中连片,评价结果易于感知、理解,可行性强.
文献关键词：
城镇建设适宜性;机器学习;贝叶斯网络;非线性认知;线性规则
中图分类号：
作者姓名：
赵珂;夏清清;胡晓艳
作者机构：
重庆大学建筑城规学院,重庆 400045;自然资源部国土空间规划监测评估预警重点实验室,重庆 401147
文献出处：
引用格式：
[1]赵珂;夏清清;胡晓艳-.城镇建设适宜性评价的贝叶斯网络机器学习方法)[J].中国土地科学,2022(08):109-120
A类：
非线性认知
B类：
城镇建设适宜性,适宜性评价,机器学习方法,研究目的,体系建立,主观性,海选,线性规则,落地实施,贝叶斯网络模型,线性结构,结构学习,DAG,主次,非线性参数,参数学习,重要度,出城,专家经验,验线,线性评价,网络评价,规则评价,三种方法,方法评价,集中连片
AB值：
0.232979
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
