| 摘要 | 第1-3页 |
| Abstract | 第3-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题研究背景 | 第8-9页 |
| ·课题研究目的和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·本文的主要工作 | 第13-14页 |
| 第二章 相关理论 | 第14-21页 |
| ·数据挖掘技术 | 第14-17页 |
| ·数据挖掘的基本概念 | 第14页 |
| ·数据挖掘的特点 | 第14-15页 |
| ·常见的预测型知识挖掘类型 | 第15页 |
| ·数据挖掘的任务 | 第15-16页 |
| ·数据挖掘的预测过程 | 第16-17页 |
| ·BP神经网络理论基础 | 第17-21页 |
| ·人工神经网络简述 | 第17-18页 |
| ·BP神经网络的基本思想 | 第18页 |
| ·BP神经网络模型 | 第18-20页 |
| ·BP算法的学习过程 | 第20-21页 |
| 第三章 数据仓库系统设计与实现 | 第21-28页 |
| ·开发目标 | 第21-22页 |
| ·应用框架 | 第22页 |
| ·系统的逻辑结构 | 第22-23页 |
| ·联机分析应用模块 | 第23-24页 |
| ·设计方法 | 第24页 |
| ·面向税收分析预测数据仓库的实现 | 第24-28页 |
| 第四章 基于BP神经网络的税收收入预测模型的构建 | 第28-37页 |
| ·基本步骤 | 第28页 |
| ·样本的选取和预处理 | 第28-30页 |
| ·输入变量之间的相关性分析 | 第29页 |
| ·输入数据的预处理 | 第29-30页 |
| ·BP神经网络结构设计 | 第30-33页 |
| ·隐层数的选取 | 第30-31页 |
| ·隐层节点数的选取 | 第31-32页 |
| ·初始权值的选取 | 第32页 |
| ·响应函数的选取 | 第32-33页 |
| ·训练算法及训练参数的选择 | 第33-36页 |
| ·训练算法的选择 | 第33-35页 |
| ·训练方式的选择 | 第35页 |
| ·训练参数的选取 | 第35-36页 |
| ·训练次数的确定 | 第36页 |
| ·合理网络模型的确定 | 第36页 |
| ·模型的解释和评估 | 第36-37页 |
| 第五章 NLICS税收收入预测模型的实现 | 第37-46页 |
| ·数据源 | 第37-38页 |
| ·数据源总体介绍及特点 | 第37页 |
| ·税收收入预测指标的选择 | 第37-38页 |
| ·Matlab获取数据 | 第38页 |
| ·BP网络在税收预测中的具体应用 | 第38-39页 |
| ·学习样本的确定 | 第38页 |
| ·输入与输出变量的确定 | 第38-39页 |
| ·基于MATLAB神经网络工具箱的网络模型设计 | 第39-41页 |
| ·建立BP网络 | 第39-40页 |
| ·初始化权和阈值 | 第40页 |
| ·网络训练 | 第40页 |
| ·检验建立的BP网络 | 第40-41页 |
| ·基于历年营业税收入数据的BP网络预测模型实现案例 | 第41-46页 |
| ·预测步骤 | 第41页 |
| ·税收收入预测结果分析 | 第41-44页 |
| ·结果展示 | 第44-46页 |
| 第六章 结论 | 第46-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 攻读学位期间的研究成果 | 第52-53页 |