数据挖掘技术在税务稽查中的研究与实现

论文摘要

论文论述了税务稽查相关的概念和理论，分析了当前税务稽查工作中所面临的稽查对象类别划分颗粒度过大，选案方式落后，稽查工作效率低等问题。在阐述了数据挖掘相关的基础知识、研究动态和应用情况之后，分析了数据挖掘技术在税务稽查工作中的可行性。针对税务稽查工作中的种种问题，重点研究了分类分析中的决策树分析方法和基于划分的聚类方法。在分析税务部门稽查工作的过程之后，针对税务稽查选案中存在的问题，在研究生成决策树的ID3算法和基于划分的聚类分析K-Means算法的基础上，在面向对象的思想的指导下，借助UML工具以及Java编程语言及Prefuse可视化类库，设计实现了分类分析中的决策树方法和聚类分析中的基于划分的方法，并且以税务稽查中的实际数据作为系统输入，进行了数据挖掘分析与评估，验证了分类分析方法与聚类分析方法等数据挖掘技术在实际稽查工作中的可行性和实用性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题研究背景和意义
• 1.2 国内外研究现状
• 1.2.1 国外税务系统数据挖掘应用概况
• 1.2.2 国内税务系统数据挖掘应用现状
• 1.2.3 研究的目的，内容和作者承担的工作
• 1.2.4 本文的篇章结构
• 第二章 税务稽查概述
• 2.1 税务稽查的概念与特征
• 2.2 税务稽查的地位
• 2.3 税务稽查的基本过程
• 2.4 稽查选案常用方法
• 2.5 当前税务稽查工作中的问题
• 第三章 数据挖掘理论概述
• 3.1 数据挖掘的社会需求
• 3.2 数据挖掘的定义
• 3.3 数据挖掘的分类
• 3.4 数据挖掘的体系结构
• 第四章 分类分析在税务稽查中的应用与实现
• 4.1 分类分析的定义
• 4.2 分类分析中的分类方法
• 4.2.1 决策树分类法
• 4.2.2 贝叶斯分类方法
• 4.2.3 后向传播分类方法
• 4.2.4 基于关联规则挖掘概念的分类方法
• 4.2.5 其他分类方法
• 4.3 决策树分类方法在税务稽查中的应用与研究
• 4.3.1 数据预处理
• 4.3.2 决策树归纳与生成
• 4.3.3 决策树修剪
• 4.3.4 决策树提取分类规则
• 4.4 决策树分类方法在税务稽查中的基于面向对象的实现
• 4.4.1 决策树分析模块的系统用例图
• 4.4.2 决策树分析模块的系统类图
• 4.4.3 决策树分析模块的时序图
• 4.4.4 决策树构造算法 ID3 的实现
• 4.5 决策树分类方法在税务稽查中的应用结果和分析
• 4.5.1 原始数据准备阶段
• 4.5.2 数据预处理阶段
• 4.5.3 决策树生成阶段
• 4.5.4 决策树分析阶段
• 4.5.5 结果评估与分析
• 第五章 聚类分析在税务稽查中的应用与实现
• 5.1 聚类分析的定义
• 5.2 主要的聚类分析方法
• 5.2.1 划分方法（partitioning methods）
• 5.2.2 层次的方法（hierarchical methods）
• 5.2.3 基于密度的方法
• 5.2.4 基于网格的方法（grid-based methods）
• 5.2.5 基于模型的方法（model-based methods）
• 5.3 基于划分的聚类分析在税务稽查中的应用与研究
• 5.3.1 数据预处理
• 5.3.2 基于划分的 K-Means 和 K-Medoids 方法
• 5.4 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
• 5.4.1 聚类分析模块的系统用例图
• 5.4.2 聚类分析模块的主要类图
• 5.4.3 聚类分析模块的时序图
• 5.4.4 基于划分的 K-Means 算法的实现
• 5.5 基于划分的聚类分析在税务稽查中应用结果分析
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望与下一步工作
• 致谢
• 参考文献