異常數(shù)據(jù)挖掘算法研究及其在稅務上的應用.pdf

1、本文主要介紹了異常挖掘和聚類分析在稅務行業(yè)的應用。 隨著數(shù)據(jù)庫技術在稅收上的的普及和應用，稅務機關積累了大量的原始數(shù)據(jù)，然而卻不能有效的利用這些資源。而如何從這些數(shù)據(jù)中得到有用的知識，正是數(shù)據(jù)挖掘要解決的問題。數(shù)據(jù)挖掘技術是從上個世紀80年代開始發(fā)展起來的一門新技術，就是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數(shù)據(jù)中其主要的目的，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識。 異常挖掘是數(shù)據(jù)

2、挖掘中的重要研究方面之一，其作用就是發(fā)現(xiàn)數(shù)據(jù)中的“小模式”，即數(shù)據(jù)集中顯著不同于其它數(shù)據(jù)的對象。這在稅務上是非常有效的數(shù)據(jù)挖掘方式。特殊的生產(chǎn)經(jīng)營模式、規(guī)模特別大的納稅企業(yè)(也就是稅務行業(yè)所謂的重點稅源)、甚至各種涉稅犯罪都會形成異常的數(shù)據(jù)，而這些數(shù)據(jù)正是稅務機關關注的重點。如何快速有效地找到這些特殊的數(shù)據(jù)，對稅務行業(yè)有著重要的意義。本文在稅務行業(yè)的異常數(shù)據(jù)挖掘方面進行了探討。 本文首先講述了數(shù)據(jù)挖掘的基本概念和方法，介紹了數(shù)據(jù)

3、挖掘研究的一般對象和典型應用；具體研究了聚類和異常挖掘技術，說明了評價聚類和異常挖掘算法的一般準則，介紹了一些典型的聚類和異常挖掘算法。具體回顧了異常挖掘的研究發(fā)展及當前研究動態(tài)，介紹了基于距離、基于密度、基于偏離以及高維數(shù)據(jù)等孤立點發(fā)現(xiàn)中的主要算法，具體分析了各個算法的主要內(nèi)容，在此基礎上總結比較了各個算法的優(yōu)劣及其適用范圍。 本文的重點是使用一種基于密度的方法對稅務機關的稅收數(shù)據(jù)進行聚類分析，發(fā)現(xiàn)其中有意義的模型以及異常的數(shù)