| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-12页 |
| 第一章 绪论 | 第12-19页 |
| ·课题背景 | 第12页 |
| ·我国税收信息化建设情况 | 第12-16页 |
| ·税收业务管理信息系统 | 第13-14页 |
| ·税收信息化发展方向 | 第14-16页 |
| ·数据仓库和数据挖掘技术在税务系统的应用 | 第16-17页 |
| ·国外税务系统中应用情况 | 第16页 |
| ·国内税务系统数据挖掘应用现状 | 第16-17页 |
| ·数据库知识发现(KDD)的应用 | 第17-18页 |
| ·本文研究内容及结构 | 第18页 |
| ·本章小结 | 第18-19页 |
| 第二章 KDD和DM概述 | 第19-31页 |
| ·KDD的产生及发展 | 第19-20页 |
| ·KDD的定义和基本过程 | 第20-22页 |
| ·KDD的分类 | 第22-24页 |
| ·KDD发现的知识分类 | 第24-26页 |
| ·数据挖掘的主要工具 | 第26页 |
| ·数据挖掘研究的发展趋势 | 第26-28页 |
| ·数据挖掘与数据仓库 | 第28-30页 |
| ·数据仓库简介 | 第28-29页 |
| ·数据仓库及联机分析处理技术 | 第29页 |
| ·数据挖掘与OLAP和传统分析方法的比较 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 面向数据缺失问题的K-means改进算法研究 | 第31-40页 |
| ·聚类分析算法概述 | 第31-34页 |
| ·聚类分析算法的基本分类 | 第31-32页 |
| ·聚类分析的度量标准 | 第32-34页 |
| ·存在缺失数据的数据集聚类问题研究 | 第34-35页 |
| ·k-means算法 | 第35-36页 |
| ·面向数据缺失问题的K-means改进算法 | 第36-37页 |
| ·实验及结果分析 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 聚类分析在税源管理中的应用 | 第40-55页 |
| ·税源管理简介 | 第40-43页 |
| ·税源的含义 | 第40页 |
| ·税源管理 | 第40-41页 |
| ·税源管理的重点 | 第41-42页 |
| ·我国税源管理现状 | 第42-43页 |
| ·税源管理中的数据挖掘问题 | 第43-44页 |
| ·税源管理中的数据挖掘之数据准备 | 第44-50页 |
| ·数据选择 | 第44-45页 |
| ·数据抽取 | 第45-49页 |
| ·建立目标数据库 | 第49-50页 |
| ·税源管理的聚类分析 | 第50-51页 |
| ·应用标准K-均值算法进行聚类分析 | 第51页 |
| ·应用改进型K-均值算法进行聚类分析 | 第51页 |
| ·结果分析 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 结束语 | 第55-57页 |
| ·工作总结 | 第55-56页 |
| ·工作展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 研究生期间主要科研工作及其成果 | 第60页 |