| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·课题研究背景和意义 | 第7-8页 |
| ·国内外研究现状 | 第8-11页 |
| ·国外税务系统数据挖掘应用概况 | 第8页 |
| ·国内税务系统数据挖掘应用现状 | 第8页 |
| ·研究的目的，内容和作者承担的工作 | 第8-9页 |
| ·本文的篇章结构 | 第9-11页 |
| 第二章 税务稽查概述 | 第11-15页 |
| ·税务稽查的概念与特征 | 第11页 |
| ·税务稽查的地位 | 第11-12页 |
| ·税务稽查的基本过程 | 第12-13页 |
| ·稽查选案常用方法 | 第13-14页 |
| ·当前税务稽查工作中的问题 | 第14-15页 |
| 第三章 数据挖掘理论概述 | 第15-21页 |
| ·数据挖掘的社会需求 | 第15页 |
| ·数据挖掘的定义 | 第15-16页 |
| ·数据挖掘的分类 | 第16-17页 |
| ·数据挖掘的体系结构 | 第17-21页 |
| 第四章 分类分析在税务稽查中的应用与实现 | 第21-41页 |
| ·分类分析的定义 | 第21-23页 |
| ·分类分析中的分类方法 | 第23-25页 |
| ·决策树分类法 | 第23-24页 |
| ·贝叶斯分类方法 | 第24页 |
| ·后向传播分类方法 | 第24-25页 |
| ·基于关联规则挖掘概念的分类方法 | 第25页 |
| ·其他分类方法 | 第25页 |
| ·决策树分类方法在税务稽查中的应用与研究 | 第25-29页 |
| ·数据预处理 | 第25-26页 |
| ·决策树归纳与生成 | 第26-28页 |
| ·决策树修剪 | 第28-29页 |
| ·决策树提取分类规则 | 第29页 |
| ·决策树分类方法在税务稽查中的基于面向对象的实现 | 第29-35页 |
| ·决策树分析模块的系统用例图 | 第29-30页 |
| ·决策树分析模块的系统类图 | 第30-32页 |
| ·决策树分析模块的时序图 | 第32-33页 |
| ·决策树构造算法 ID3 的实现 | 第33-35页 |
| ·决策树分类方法在税务稽查中的应用结果和分析 | 第35-41页 |
| ·原始数据准备阶段 | 第35-36页 |
| ·数据预处理阶段 | 第36-37页 |
| ·决策树生成阶段 | 第37-38页 |
| ·决策树分析阶段 | 第38-39页 |
| ·结果评估与分析 | 第39-41页 |
| 第五章 聚类分析在税务稽查中的应用与实现 | 第41-57页 |
| ·聚类分析的定义 | 第41页 |
| ·主要的聚类分析方法 | 第41-43页 |
| ·划分方法（partitioning methods） | 第42页 |
| ·层次的方法（hierarchical methods） | 第42页 |
| ·基于密度的方法 | 第42-43页 |
| ·基于网格的方法（grid-based methods） | 第43页 |
| ·基于模型的方法（model-based methods） | 第43页 |
| ·基于划分的聚类分析在税务稽查中的应用与研究 | 第43-47页 |
| ·数据预处理 | 第43-44页 |
| ·基于划分的 K-Means 和 K-Medoids 方法 | 第44-47页 |
| ·基于划分的聚类分析在税务稽查中的基于面向对象的实现 | 第47-54页 |
| ·聚类分析模块的系统用例图 | 第47-48页 |
| ·聚类分析模块的主要类图 | 第48-50页 |
| ·聚类分析模块的时序图 | 第50-51页 |
| ·基于划分的 K-Means 算法的实现 | 第51-54页 |
| ·基于划分的聚类分析在税务稽查中应用结果分析 | 第54-57页 |
| 第六章 总结与展望 | 第57-59页 |
| ·总结 | 第57页 |
| ·展望与下一步工作 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-63页 |
