1.一种基于贝叶斯网络的农村房屋鉴定等级分类方法，其特征在于，包括以下步骤：S1、通过专家经验与实地考察确定构成农村房屋危险的相关的因子；

S2、将因子进行识别，从房屋危险性角度与宜居性角度对房屋的相关的因子进行分类；

S3、根据现场调查识别出的因子进行因子相关分析，在数据上验证因子两两间的相关性；

S4、根据采集的数据，获得相关的因子的先验概率，构建贝叶斯网络结构模型，将先验概率输入至贝叶斯推理引擎，得到房屋危险性等级后验概率与宜居性等级后验概率；

所述因子的识别分类如下：

房屋危险性的因子包括：墙体、梁柱、屋架檩条、粘接材料、楼盖屋盖、地基基础、抗震构造；

房屋宜居性的因子包括：保温防水、采光通风、水电管线、卫生设备、消防安全；

房屋描述性相关的因子包括：建造年代、结构形式、有无改扩建、场地环境；

所述房屋危险性的因子分为ABCD四个等级，所述房屋宜居性的因子分为ABC三个等级，所述抗震构造、卫生设备、改建扩建分为有、无两个等级，所述建造年代分为1980年以前、

1980‑2000年和2000年以后三个类别，所述结构形式分为砌体结构、石结构、生土结构和其他四个类别，所述场地环境分为无自然灾害和存在自然灾害两个类别。

2.根据权利要求1所述的一种基于贝叶斯网络的农村房屋鉴定等级分类方法，其特征在于，S4中形成贝叶斯结构网络图，基于贝叶斯有向无环图将权利要求1中各因子连接，最后输出房屋危险性等级与宜居性等级相关概率。

3.根据权利要求1所述的一种基于贝叶斯网络的农村房屋鉴定等级分类方法，其特征在于，基于贝叶斯网络的农村房屋鉴定等级分类方法，其因子相关性分析如下：采用皮尔逊卡方验证因子之间的相关性；首先假设H0：观察频数和期望频数没有区别，卡方值表示了观察值与理论值的偏离程度，卡方计算公式如下：其中Oi为实际频数,Ei为理论频数；

在自由度固定时，每个卡方值与P值相对应，卡方值越大，相应反映由抽样误差引起的样本差别概率P值就越小。

4.根据权利要求1所述的一种基于贝叶斯网络的农村房屋鉴定等级分类方法，其特征在于，先验概率根据前期调查数据获得，记P(A)为先验概率，表示样本观测前所具有的知识和假设，根据如下公式计算：后验概率根据贝叶斯公式如下:

P(A|B)是已知B发生后A的条件概率，作为后验概率，表示在进行新的观测后对原有知识的更新，P(B|A)是已知A发生后B的条件概率；

在多因子作用下，其概率采用链式法则进行计算，公式如下：P(X1，X2...Xn)＝P(X1)P(X2|X1)...P(Xn|X1，X2...Xn)。

5.根据权利要求1所述的一种基于贝叶斯网络的农村房屋鉴定等级分类方法，其特征在于，所述贝叶斯推理引擎包括贝叶斯推理引擎和贝叶斯自学习引擎。