大数据背景下数据挖掘算法在税源管理中的应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究综述 | 第10-12页 |
| 1.3 研究内容和思路 | 第12页 |
| 1.4 创新与不足 | 第12-13页 |
| 第2章 税源管理 | 第13-19页 |
| 2.1 税源管理 | 第13-18页 |
| 2.1.1 我国税收收入情况 | 第13-14页 |
| 2.1.2 税源管理的含义 | 第14-15页 |
| 2.1.3 税源管理的作用 | 第15-17页 |
| 2.1.4 税源管理的主要内容 | 第17-18页 |
| 2.2 数据挖掘在税源管理中的应用 | 第18-19页 |
| 第3章 理论框架和技术支持 | 第19-27页 |
| 3.1 数据挖掘 | 第19-21页 |
| 3.1.1 数据挖掘的概念 | 第19-20页 |
| 3.1.2 数据挖掘与KDD | 第20页 |
| 3.1.3 数据挖掘分析框架 | 第20-21页 |
| 3.2 数据挖掘应用 | 第21-23页 |
| 3.2.1 数据挖掘主要技术 | 第21-22页 |
| 3.2.2 数据挖掘主要功能 | 第22-23页 |
| 3.3 数据挖掘算法 | 第23-26页 |
| 3.3.1 K-means聚类算法 | 第23-25页 |
| 3.3.2 层次聚类算法 | 第25-26页 |
| 3.4 聚类分析的应用 | 第26-27页 |
| 第4章 实证分析 | 第27-50页 |
| 4.1 数据准备 | 第27-33页 |
| 4.2 自变量选取 | 第33-36页 |
| 4.3 主成分分析 | 第36-40页 |
| 4.3.1 主成分分析的基本思想 | 第36-37页 |
| 4.3.2 主成分分析的数学模型 | 第37-38页 |
| 4.3.3 主成分分析的应用 | 第38-40页 |
| 4.4 聚类分析 | 第40-50页 |
| 4.4.1 聚类数据描述 | 第40-42页 |
| 4.4.2 K-means聚类分析 | 第42-50页 |
| 第5章 进一步讨论 | 第50-52页 |
| 5.1 企业所得税和应交税费视角的税源管理 | 第50页 |
| 5.2 经营性现金流量净额和总资产角度的税源管理 | 第50-52页 |
| 第6章 结论 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 附录 | 第57页 |
