数据挖掘方法在纳税人行为分析中的研究和实现
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·研究的目的和意义 | 第7-8页 |
| ·数据挖掘技术 | 第8-11页 |
| ·数据挖掘在税务部门应用现状 | 第11-12页 |
| ·课题的研究背景及存在问题 | 第12-13页 |
| ·研究概况 | 第12-13页 |
| ·研究过程中出现的问题 | 第13页 |
| ·研究内容及工作安排 | 第13-15页 |
| 第二章 税收业务分析和数据挖掘工作流程 | 第15-27页 |
| ·税收管理模式 | 第15-16页 |
| ·税务行业信息化现状及发展趋势 | 第16-17页 |
| ·税收数据分析 | 第17-20页 |
| ·税收信息数据库特点 | 第17-19页 |
| ·纳税人属性分析 | 第19-20页 |
| ·数据挖掘在税收管理中的应用要求 | 第20-21页 |
| ·基于数据挖掘方法的纳税人行为分析工作流程 | 第21-25页 |
| ·纳税人特征数据提取 | 第21-22页 |
| ·税收数据处理 | 第22-23页 |
| ·知识挖掘 | 第23-24页 |
| ·结果发布利用 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第三章 关联规则分析方法在税务行业的实现 | 第27-47页 |
| ·引言 | 第27-28页 |
| ·关联规则 | 第28-31页 |
| ·关联规则的基本概念 | 第28-29页 |
| ·关联规则定义 | 第29页 |
| ·关联规则挖掘的步骤 | 第29-30页 |
| ·关联规则的主要种类 | 第30-31页 |
| ·APRIORI算法实现 | 第31-39页 |
| ·Apriori算法原理 | 第31-33页 |
| ·Apriori算法编程实现 | 第33-34页 |
| ·Apriori算法挖掘布尔型关联规则实验 | 第34-36页 |
| ·基于Apriori算法挖掘数值型关联规则 | 第36-39页 |
| ·FP TREE算法 | 第39-45页 |
| ·FP_Tree算法原理 | 第39-42页 |
| ·基于FP_Tree算法挖掘关联规则的实验 | 第42-45页 |
| ·关联规则在税收业务的应用 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 决策树分类方法在税务行业的实现 | 第47-75页 |
| ·引言 | 第47页 |
| ·分类的分析方法 | 第47-56页 |
| ·分类的概念 | 第47-48页 |
| ·决策树分类方法 | 第48-51页 |
| ·ID3算法的程序实现 | 第51-52页 |
| ·基于ID3算法构造纳税人流失分类模型的实验 | 第52-56页 |
| ·SCP后剪枝方法的程序实现 | 第56-65页 |
| ·决策树构造的过度问题和解决方法 | 第56-57页 |
| ·SCP后剪枝方法的概念和思路 | 第57-60页 |
| ·SCP后剪枝方法的程序实现说明 | 第60-62页 |
| ·对完全生长决策树剪枝实验 | 第62-65页 |
| ·基于FP_TREE的ID3改进算法的程序实现 | 第65-73页 |
| ·决策树构造性能低下的问题和解决思路 | 第66-67页 |
| ·改进算法原理和优点分析 | 第67-69页 |
| ·改进算法的程序实现 | 第69-70页 |
| ·实验结果及分析 | 第70-73页 |
| ·分类模型在税收业务的应用 | 第73-74页 |
| ·本章小结 | 第74-75页 |
| 第五章 总结与展望 | 第75-77页 |
| ·总结 | 第75-76页 |
| ·展望 | 第76-77页 |
| 致谢 | 第77-79页 |
| 参考文献 | 第79-81页 |
| 作者在读期间的研究成果 | 第81-82页 |
