数据挖掘技术在税收征管决策中的应用
摘要 | 第1-6页 |
目录 | 第6-8页 |
1 绪论 | 第8-20页 |
1.1 国内税务系统信息化建设情况 | 第9-16页 |
1.1.1 税收业务管理信息系统 | 第9-12页 |
1.1.2 阶段定位与发展方向 | 第12-16页 |
1.2 数据仓库和数据挖掘技术在税务系统的应用 | 第16-17页 |
1.2.1 国外税务系统中应用概览 | 第16页 |
1.2.2 国内税务系统数据挖掘应用现状 | 第16-17页 |
1.3 数据挖掘研究方向及热点 | 第17-19页 |
1.3.1 当前研究方向 | 第17-18页 |
1.3.2 数据挖掘热点 | 第18页 |
1.3.3 面临的困难 | 第18-19页 |
1.4 本章小结和问题的提出 | 第19-20页 |
2 数据挖掘技术的比较分析 | 第20-38页 |
2.1 数据挖掘的技术基础 | 第20-22页 |
2.1.1 数据挖掘系统的分类 | 第20-21页 |
2.1.2 数据挖掘的研究历史 | 第21-22页 |
2.2 数据挖掘的定义 | 第22-27页 |
2.2.1 技术角度的定义 | 第22-23页 |
2.2.2 税收应用角度的定义 | 第23-24页 |
2.2.3 数据挖掘和数据仓库 | 第24-25页 |
2.2.4 数据挖掘和OLAP | 第25-27页 |
2.3 数据挖掘的功能分析 | 第27-29页 |
2.3.1 概念/类描述:特征化和区分 | 第27-28页 |
2.3.2 关联分析 | 第28页 |
2.3.3 分类和预测 | 第28页 |
2.3.4 聚类分析 | 第28-29页 |
2.3.5 孤立点分析 | 第29页 |
2.3.6 演变分析 | 第29页 |
2.4 数据挖掘的过程分析 | 第29-32页 |
2.4.1 环境和过程图 | 第29-30页 |
2.4.2 挖掘过程的工作量 | 第30-31页 |
2.4.3 数据挖掘过程简介 | 第31-32页 |
2.4.4 数据挖掘项目中的人员构成 | 第32页 |
2.5 税务数据挖掘应用系统和工具软件分析 | 第32-36页 |
2.5.1 数据挖掘技术和工具的引进 | 第32-33页 |
2.5.2 税务系统数据挖掘的目的 | 第33页 |
2.5.3 数据挖掘工程实施 | 第33-34页 |
2.5.4 税务管理信息系统与数据挖掘应用的整合 | 第34-35页 |
2.5.5数 据挖掘工具评选 | 第35-36页 |
2.6 本章小结 | 第36-38页 |
3 数据预处理与数据集成实例分析 | 第38-58页 |
3.1 数据预处理的主要过程 | 第39-40页 |
3.1.1 数据清洗过程 | 第39页 |
3.1.2 数据集成与转换过程 | 第39-40页 |
3.1.3 数据消减过程 | 第40页 |
3.1.4 离散化与概念层次树的生成 | 第40页 |
3.2 税务系统数据源分析 | 第40-48页 |
3.2.1 数据分布模式分析 | 第41-42页 |
3.2.2 数据集成方式 | 第42-43页 |
3.2.3 源数据结构 | 第43-48页 |
3.3 关系数据库与数据预处理实例 | 第48-52页 |
3.3.1 构建中间数据表集成数据 | 第49-51页 |
3.3.2 数据不一致的处理分析 | 第51页 |
3.3.3 数据格式化 | 第51-52页 |
3.3.4 数据消减的分析与实施步骤 | 第52页 |
3.3.5 税收业务知识的应用与概念层次转化 | 第52页 |
3.4 数据集中的算法实例 | 第52-57页 |
3.5 本章小结 | 第57-58页 |
4 关联分析方法在征管决策中的应用分析 | 第58-74页 |
4.1 税收业务目标分析与说明 | 第58-59页 |
4.2 关联分析简述 | 第59-60页 |
4.3 关联规则的生成 | 第60-63页 |
4.4 关联规则挖掘算法分析 | 第63-68页 |
4.4.1 Apriori算法 | 第63-65页 |
4.4.2 Apriori算法实例分析 | 第65-67页 |
4.4.3 其他关联规则算法 | 第67-68页 |
4.4 关联计算和结果分析 | 第68-73页 |
4.4.1 计算结果分析 | 第68-71页 |
4.4.2 Apriori算法效率分析 | 第71-73页 |
4.5 结论 | 第73页 |
4.6 本章小结 | 第73-74页 |
5 结束语 | 第74-76页 |
5.1 主要工作及特色 | 第74页 |
5.2 进一步研究方向 | 第74-76页 |
参考文献 | 第76-80页 |
致谢 | 第80-82页 |
攻读学位期间发表的学术论文目录 | 第82页 |