粗糙集和支持向量机在纳税评估中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-18页 |
| ·研究背景 | 第10-13页 |
| ·税收的起源 | 第10页 |
| ·税收的本质 | 第10-11页 |
| ·纳税人遵从理论 | 第11-13页 |
| ·纳税评估的定义、特征及意义 | 第13-16页 |
| ·纳税评估定义 | 第13页 |
| ·纳税评估的基本特征 | 第13-15页 |
| ·纳税评估的意义 | 第15-16页 |
| ·研究思路及主要内容 | 第16-18页 |
| ·研究的主要内容 | 第16页 |
| ·研究思路 | 第16-17页 |
| ·研究的数据来源 | 第17-18页 |
| 2 纳税评估模型综述 | 第18-27页 |
| ·纳税评估模型研究现状 | 第18-20页 |
| ·国内纳税评估模型研究现状 | 第18页 |
| ·国外纳税评估模型研究现状 | 第18-20页 |
| ·纳税评估模型文献综述 | 第20-22页 |
| ·纳税评估指标选择文献综述 | 第20-21页 |
| ·国内纳税评估模型文献综述 | 第21页 |
| ·国外纳税评估模型文献综述 | 第21-22页 |
| ·数据挖掘分类算法 | 第22-25页 |
| ·分类算法概述 | 第22页 |
| ·分类算法的种类和特征 | 第22-25页 |
| ·选取粗糙集和支持向量机(SVM)的主要依据 | 第25-27页 |
| ·粗糙集的特点 | 第25页 |
| ·支持向量机的特点 | 第25-26页 |
| ·税收数据及指标的特点 | 第26-27页 |
| 3 粗糙集和支持向量机简介 | 第27-40页 |
| ·知识表达系统 | 第27-29页 |
| ·知识、知识库与划分 | 第27-28页 |
| ·信息系统 | 第28-29页 |
| ·粗糙集理论的基本概念 | 第29-32页 |
| ·基本概念 | 第29-30页 |
| ·知识约简 | 第30-31页 |
| ·Rough 度与分类质量 | 第31-32页 |
| ·支持向量机理论基础和基本原理 | 第32-40页 |
| ·机器学习问题 | 第32-33页 |
| ·统计学习理论 | 第33-35页 |
| ·支持向量机分类情况 | 第35-38页 |
| ·核函数 | 第38-40页 |
| 4 粗糙集和支持向量机的纳税评估研究 | 第40-56页 |
| ·纳税评估基本理论 | 第40-44页 |
| ·纳税评估的理论依据 | 第40-42页 |
| ·纳税评估体系的内容构成 | 第42-44页 |
| ·纳税评估模型 | 第44-46页 |
| ·评估模型在评估系统中的地位 | 第44-45页 |
| ·纳税评估一般模型 | 第45-46页 |
| ·纳税评估指标筛选 | 第46-50页 |
| ·纳税评估指标筛选方法选择 | 第46-47页 |
| ·决策表属性约简 | 第47-48页 |
| ·属性约简算法 | 第48-50页 |
| ·纳税评估的支持向量分类机 | 第50-54页 |
| ·分类模型的选择 | 第50-51页 |
| ·C-支持向量分类机 | 第51-52页 |
| ·支持向量机分类求解算法 | 第52-54页 |
| ·本章小结 | 第54-56页 |
| 5 模型的实证分析 | 第56-71页 |
| ·引言 | 第56页 |
| ·纳税评估指标约简 | 第56-62页 |
| ·样本数据补齐 | 第57-60页 |
| ·连续属性值离散化 | 第60-62页 |
| ·粗糙集约简方法 | 第62页 |
| ·约简结果分析 | 第62页 |
| ·支持向量机样本选取及预处理 | 第62-65页 |
| ·原始数据的选取 | 第62-63页 |
| ·样本数据标准化 | 第63-65页 |
| ·样本集的划分 | 第65页 |
| ·支持向量机参数选择 | 第65-68页 |
| ·核函数选择及构造 | 第65-66页 |
| ·训练参数的优化选择 | 第66-68页 |
| ·训练结果分析和比较 | 第68-70页 |
| ·本章小结 | 第70-71页 |
| 6 结论与展望 | 第71-73页 |
| ·全文工作总结 | 第71页 |
| ·未来研究展望 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 附录 | 第78-80页 |
