| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 插图索引 | 第11-12页 |
| 附表索引 | 第12-13页 |
| 第1章 绪论 | 第13-19页 |
| ·课题背景 | 第13-15页 |
| ·税务稽查的工作流程 | 第15-16页 |
| ·稽查选案 | 第16页 |
| ·稽查实施 | 第16页 |
| ·稽查审理 | 第16页 |
| ·稽查执行 | 第16页 |
| ·本文主要研究工作 | 第16-17页 |
| ·本文组织结构 | 第17-19页 |
| 第2章 税务稽查选案现状及存在的问题 | 第19-31页 |
| ·税务稽查选案 | 第19-23页 |
| ·常用的稽查选案方法 | 第19-20页 |
| ·稽查选案的重要性 | 第20-21页 |
| ·现阶段稽查选案的缺陷 | 第21-23页 |
| ·计算机选案的研究内容 | 第23-24页 |
| ·稽查选案的信息来源 | 第23页 |
| ·稽查选案指标体系的研究 | 第23-24页 |
| ·稽查选案模型的研究 | 第24页 |
| ·国内外研究现状 | 第24-28页 |
| ·国外计算机稽查选案状况 | 第24-26页 |
| ·国内计算机稽查选案状况 | 第26-28页 |
| ·以GSSK 模型为核心的稽查选案信息处理构思 | 第28-29页 |
| ·小结 | 第29-31页 |
| 第3章 基于遗传算法的支持向量机 | 第31-53页 |
| ·支持向量机 | 第31-38页 |
| ·机器学习的基本方法 | 第31页 |
| ·统计学理论的基本思想 | 第31-33页 |
| ·支持向量机(Support Vector Machine, SVM ) | 第33-38页 |
| ·遗传算法(Genetic Algorithm，GA) | 第38-45页 |
| ·遗传算法的基本理论 | 第38-44页 |
| ·遗传算法的特点 | 第44-45页 |
| ·基于遗传算法的支持向量机的参数选择 | 第45-50页 |
| ·支持向量机的参数 | 第45-47页 |
| ·基于遗传算法的支持向量机参数选择 | 第47-50页 |
| ·GA-SVM 在税务稽查选案信息处理中的应用 | 第50-52页 |
| ·小结 | 第52-53页 |
| 第4章 聚类方法 | 第53-69页 |
| ·聚类 | 第53-54页 |
| ·自组织特征映射网络 | 第54-59页 |
| ·自组织特征映射网络的结构 | 第54-56页 |
| ·自组织特征映射网络的学习过程 | 第56-57页 |
| ·自组织特征映射网络聚类算法 | 第57-59页 |
| ·k-means 聚类 | 第59-62页 |
| ·K-means 聚类方法的步骤 | 第59-60页 |
| ·K-means 算法分析 | 第60页 |
| ·对 K-means 算法的改进 | 第60-62页 |
| ·SOM 与k-means 结合的聚类 | 第62-65页 |
| ·聚类在税务稽查选案信息处理中的应用 | 第65-67页 |
| ·小结 | 第67-69页 |
| 第5章 以GSSK 模型为核心的税务稽查选案信息处理方法 | 第69-89页 |
| ·税务稽查选案问题的描述 | 第69-70页 |
| ·税务稽查选指标 | 第70-73页 |
| ·税务稽查选案指标的选取 | 第70-72页 |
| ·选案指标数据的预处理 | 第72-73页 |
| ·税务稽查选案信息处理流程的设计 | 第73-81页 |
| ·选案模型库的建立 | 第74-75页 |
| ·GSSK 组合选案模型 | 第75-79页 |
| ·实施选案的过程 | 第79-80页 |
| ·选案反馈 | 第80-81页 |
| ·系统实现与应用 | 第81-87页 |
| ·系统总体设计 | 第81-82页 |
| ·系统主要功能模块 | 第82-87页 |
| ·与其他税务稽查选案方法的比较 | 第87-88页 |
| ·小结 | 第88-89页 |
| 结论 | 第89-91页 |
| 参考文献 | 第91-94页 |
| 致谢 | 第94-95页 |
| 附录 A 攻读学位期间发表学术论文目录 | 第95页 |
