基于数据挖掘的企业纳税筛查方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 课题研究背景和意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.2.1 国外数据挖掘在税务稽查选案中应用概况 | 第8页 |
| 1.2.2 国内数据挖掘在税务稽查选案中应用概况 | 第8-9页 |
| 1.3 研究目标和内容 | 第9-10页 |
| 1.3.1 研究目标 | 第9页 |
| 1.3.2 研究内容 | 第9-10页 |
| 1.4 本文结构 | 第10-11页 |
| 第二章 基础知识概述 | 第11-17页 |
| 2.1 税务稽查的定义 | 第11页 |
| 2.2 税务稽查的程序 | 第11页 |
| 2.3 税务稽查选案的信息来源 | 第11-12页 |
| 2.4 税务稽查选案存在的问题 | 第12-13页 |
| 2.5 数据挖掘的定义 | 第13-14页 |
| 2.6 数据挖掘的功能 | 第14-15页 |
| 2.6.1 概念描述:定性与对比 | 第14页 |
| 2.6.2 关联分析 | 第14页 |
| 2.6.3 分类与预测 | 第14页 |
| 2.6.4 聚类分析 | 第14-15页 |
| 2.7 数据挖掘的常用算法 | 第15-16页 |
| 2.7.1 关联规则算法 | 第15页 |
| 2.7.2 分类算法 | 第15页 |
| 2.7.3 聚类算法 | 第15-16页 |
| 2.8 数据挖掘工具weka简介 | 第16-17页 |
| 第三章 基于分类的税务稽查选案模型的设计与构建 | 第17-26页 |
| 3.1 基于分类的税务稽查选案模型方案设计 | 第17-18页 |
| 3.2 分类的概念 | 第18页 |
| 3.3 分类的基本流程 | 第18-19页 |
| 3.4 K-最近邻方法 | 第19-21页 |
| 3.5 基于K-最近邻算法的稽查选案模型构建 | 第21-26页 |
| 第四章 基于聚类的税务稽查选案模型的设计与构建 | 第26-47页 |
| 4.1 税务稽查选案聚类模型方案设计 | 第26-27页 |
| 4.2 聚类分析的概念 | 第27页 |
| 4.3 聚类分析基础知识 | 第27-30页 |
| 4.3.1 距离公式 | 第27-28页 |
| 4.3.2 距离矩阵 | 第28页 |
| 4.3.3 中心点公式 | 第28页 |
| 4.3.4 特征 | 第28页 |
| 4.3.5 数据规范化 | 第28-30页 |
| 4.4 聚类的要求 | 第30-31页 |
| 4.5 基于密度的DBSCAN聚类方法 | 第31-33页 |
| 4.5.1 基本知识 | 第31-32页 |
| 4.5.2 算法描述 | 第32-33页 |
| 4.6 基于DBSCAN算法的稽查选案模型构建 | 第33-44页 |
| 4.6.1 税务稽查选案指标体系的构建 | 第33-38页 |
| 4.6.2 确定指标所属税种 | 第38页 |
| 4.6.3 确定样本企业所属行业 | 第38页 |
| 4.6.4 确定稽查选案分析指标 | 第38页 |
| 4.6.5 完成数据准备和计算 | 第38-40页 |
| 4.6.6 完成数据导入和预处理 | 第40页 |
| 4.6.7 模型的构建和参数的联调 | 第40-44页 |
| 4.7 稽查选案模型的验证 | 第44-45页 |
| 4.8 稽查选案的建议和意见 | 第45-47页 |
| 结论 | 第47-49页 |
| 参考文献 | 第49-51页 |
| 附录A 分类模型50户企业样本数据 | 第51-52页 |
| 附录B 聚类分析50户企业的样本数据 | 第52-53页 |
| 附录C 聚类分析20户模型验证企业数据 | 第53-54页 |
| 作者简介、发表文章及研究成果目录 | 第54-55页 |
| 致谢 | 第55-56页 |
