數據挖掘技術在國稅管理中的研究與應用.pdf_第1頁
已閱讀1頁,還剩64頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、數據挖掘技術是一種利用各種分析工具在海量數據中發(fā)現模型和數據間關系的技術,或者說是從大量的數據中抽取出潛在的、不為人知的有用信息、模式和趨勢,目的在于提高決策能力、檢測異常模式、在過去的經驗基礎上預言未來趨勢等。所以說數據挖掘技術可在多方面運用于稅收工作中,如采用時間序列技術對各地區(qū)的稅源規(guī)模進行預測,可幫助稅務部門更好地進行稅源管理,建立起有效的稅源管理體系,減少稅收收入流失;采用聚類分析對納稅人進行分類,既可提高稅收管理的效率和質量

2、,還可鼓勵納稅人誠信納稅,促使納稅人自覺樹立稅務信譽形象;采用因子分析法對稅務機關業(yè)績進行綜合評價,并取獎懲相結合的辦法,有助于提升稅務人員的納稅服務質量。
  本文主要致力于數據挖掘技術在國稅管理中的應用研究。目的是通過研究數據挖掘技術中的關聯規(guī)則挖掘和分析預測,將已有的稅務歷史數據充分運用,為國稅管理工作提供新的研究思路。主要工作為:
  1.通過比較目前廣泛應用的關聯規(guī)則挖掘算法Apriori的優(yōu)點與不足,結合稅收數據

3、的特點,對關聯規(guī)則挖掘在稅務系統(tǒng)中應用的可行性和必要性進行了研究;通過對PSO與神經網絡基本原理的學習,對兩者結合的可行性做了分析,為神經粒子群模型在增值稅稅收預測中的應用奠定了理論基礎,為數據挖掘技術在稅務系統(tǒng)中的研究與應用提供了一個新的思路。
  2.將改進的關聯規(guī)則挖掘方法分別應用于稅務稽查、稅收分析、稅收執(zhí)法管理中。第一種改進的算法G-Apriori將其應用于稅務稽查中,對歷史稽查數據中納稅人采用的主要違法違章手段之間的關

4、聯關系進行了數據挖掘,得到了一些合理的規(guī)則,對稽查工作有效開展有一定的指導意義;第二種算法是基于數據立方體的維間關聯規(guī)則挖掘算法DC-Apriori,因為數據立方體允許以多維對數據進行建模和觀察,很適合挖掘多維關聯規(guī)則,在稅務系統(tǒng)中,針對增值稅稅收數據進行多維關聯規(guī)則的挖掘,根據挖掘出的規(guī)則,稅務系統(tǒng)管理決策層可以從不同的角度和面進行稅收分析,所以基于數據立方體的維間關聯規(guī)則挖掘算法,具有一定的針對性;第三種是基于Hash、AVM的關聯

5、規(guī)則挖掘算法H-AVM算法。首先將事務數據庫轉換成比特向量表示形式,通過向量的與運算來計算項集的支持度,在挖掘過程中只需掃描一遍數據庫;運用Hash技術,在第一次掃描數據庫的過程中,直接生成頻繁2-項集,提高算法的執(zhí)行效率。實驗結果表明,H-AVM算法提高了關聯規(guī)則挖掘的效率。進一步將 H-AVM算法應用到稅收執(zhí)法管理中,得出了對國稅系統(tǒng)加強稅收執(zhí)法管理具有重要參考意義的結論。
  3.以RBF神經網絡和微粒群算法作為理論工具,在

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論