| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究背景及意义 | 第10-12页 |
| ·研究背景 | 第10-11页 |
| ·研究的意义 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·纳税评估工作国内外现状 | 第12-14页 |
| ·纳税评估模型国内外研究现状 | 第14-16页 |
| ·本文研究的主要内容 | 第16页 |
| ·技术路线 | 第16-18页 |
| 第2章 纳税评估理论概述 | 第18-28页 |
| ·纳税评估 | 第18-25页 |
| ·纳税评估的概念 | 第18-21页 |
| ·纳税评估工作的特点 | 第21-22页 |
| ·纳税评估工作职能 | 第22-23页 |
| ·纳税评估作用 | 第23-24页 |
| ·纳税评估工作局限性 | 第24-25页 |
| ·纳税评估方法分析 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 纳税评估指标分析 | 第28-34页 |
| ·纳税评估指标体系的构造原则 | 第28页 |
| ·纳税评估指标体系 | 第28-33页 |
| ·纳税评估指标 | 第29页 |
| ·杜邦分析方法 | 第29-31页 |
| ·纳税评估指标体系构建 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 基于概率神经网络和K-means 算法的纳税评估模型 | 第34-44页 |
| ·概率神经网络模型 | 第34-38页 |
| ·神经网络理论来源 | 第34页 |
| ·神经网络基本模型 | 第34-35页 |
| ·人工神经网络主要学习算法 | 第35-36页 |
| ·概率神经网络简介 | 第36-37页 |
| ·概率神经网络结构 | 第37页 |
| ·概率神经网络训练步骤 | 第37-38页 |
| ·聚类算法介绍 | 第38-40页 |
| ·K-means 算法 | 第38-39页 |
| ·层次聚类法 | 第39-40页 |
| ·纳税评估模型设计 | 第40-43页 |
| ·概率神经网络结构设计 | 第40-41页 |
| ·基于K-means 的样本识别 | 第41-42页 |
| ·纳税评估模型设计 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 实例分析 | 第44-59页 |
| ·纳税评估系统概述 | 第44-45页 |
| ·数据采集 | 第45-48页 |
| ·数据预处理 | 第48-51页 |
| ·概率神经网络训练 | 第51-56页 |
| ·网络的测试和评估结果分析 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 结论与展望 | 第59-61页 |
| 结论 | 第59页 |
| 展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 作者简介 | 第65-66页 |
| 发表论文和参加科研情况说明 | 第66-67页 |