基于聚类的数据挖掘技术在税源监控中的应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 1 绪论 | 第11-21页 |
| ·研究背景及意义 | 第11-14页 |
| ·研究背景 | 第11-12页 |
| ·研究意义 | 第12-14页 |
| ·国内外研究综述 | 第14-17页 |
| ·研究内容与思路 | 第17-18页 |
| ·创新与不足 | 第18-21页 |
| 2 理论框架及技术支持 | 第21-31页 |
| ·数据挖掘基本原理 | 第21-22页 |
| ·数据挖掘概述 | 第21页 |
| ·数据挖掘的任务 | 第21-22页 |
| ·数据挖掘的步骤 | 第22页 |
| ·聚类算法 | 第22-31页 |
| ·聚类算法概述 | 第22-25页 |
| ·K-means算法的思想 | 第25页 |
| ·K-means算法模型的建立 | 第25-31页 |
| 3 聚类算法在税源监控中的应用 | 第31-43页 |
| ·税源监控概述 | 第31-35页 |
| ·税源的含义 | 第31页 |
| ·税源的分类 | 第31-32页 |
| ·税源监控的含义 | 第32-33页 |
| ·信息化下的税源监控 | 第33-35页 |
| ·税源监控的聚类分析研究 | 第35-43页 |
| ·聚类算法引入税源监控中的必要性分析 | 第35-36页 |
| ·聚类算法引入税源监控中的可行性分析 | 第36-37页 |
| ·聚类模型的设计与建立 | 第37-43页 |
| 4 案例分析 | 第43-57页 |
| ·CRISP-DM标准模型 | 第43-55页 |
| ·业务理解 | 第43-44页 |
| ·数据理解 | 第44-48页 |
| ·数据准备 | 第48页 |
| ·模型建立 | 第48-50页 |
| ·模型评价 | 第50-53页 |
| ·模型发布 | 第53-55页 |
| ·聚类结果在税源监控中的意义 | 第55-57页 |
| 5 总结与展望 | 第57-61页 |
| ·本文工作总结 | 第57-58页 |
| ·未来发展展望 | 第58-59页 |
| ·对策与建议 | 第59-61页 |
| ·构建税源分类监控体系,强化专业化管理 | 第59页 |
| ·强化信息管税思想,提高纳税服务质效 | 第59-60页 |
| ·创新税源管理机制,实现科学高效发展 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 后记 | 第65页 |
