随着国民经济的发展,房地产产业日益繁荣,伴随房地产的相关经济活动越来越频繁,而在房地产开发中的一个关键环节就是小区规划,因此对小区规划方案评价的需求也随之增大。无论从房地产开发商的角度,还是从购房者的角度看,小区规划的精确衡量都是个永恒的话题。当前,使用的市场比较法、成本法和调查问卷法三种传统评价方法在实际评价运用中过多依赖于评价者的经验,对数理模型运用较少,在实际应用中成本较高。开发商在进行小区建设之前的规划设计方案进行评价时,往往是由评价人员根据自己的经验和个人的喜好得出评价结果,很难得出一个让大多数人满意的评价结果,结果造成销售情况不好。由Vapnik提出的基于统计学习理论的支持向量机(Support Vector Machine,简称SVM)是数据挖掘中一种新的方法,能非常成功地处理回归问题和模式识别问题。基于此,本文设计了小区规划方案的评价模型,从设计者和消费者对小区的需求角度理解规划,进行规划方案评价研究。遗传算法(Genetic Algorithms,GA)是一类借鉴生物界自然选择和遗传机制而发展起来的自适应全局优化随机搜索算法。现在大部分应用支持向量机进行评价的方法是在样本数目和样本特征足够多的情况下进行研究的,因此只有在样本数目和特征数目趋向无穷大时,才能在理论上保证算法的性能,而在样本数目比较少的情况中,由于空间的超高维特性和超小样本特性,传统的方法难以得到理想的效果。本文中首先利用支持向量机选出包含若干特征基因的子集,过滤掉大部分与目标无关的特征。再利用改进的遗传算法在缩小的去掉大量噪声数据的问题空间上进行最佳特征子集的选取。本文主要研究的就是如何将传统的遗传算法应用到支持向量机的特征选取中去,并通过相应的评价系统对小区规划方案进行评价。本文的主要工作体现在以下的三个方面:1.将遗传算法应用到支持向量机的样本特征选择中。2.设计了一个基于支持向量机的评价系统。3.采集小区规划方案的数据,把数据输入到评价系统中进行测试。