基于数据挖掘的税收执法督察选案方法的研究与应用
发布时间：2021-06-26 09:07
随着中国经济的腾飞,全社会都发生着巨大的变化。个人纳税和企业纳税在国家经济中占据着重要地位,地税部门在适应时代发展的同时,需要加大对其内部的监督力度。选案工作作为执法督察工作的第一步,是重中之重。现在普遍使用的是基于指标的计算机辅助选案方式,这种方式能够根据指标查找出所有具有疑点的案例,但是此方式使用的指标体系是人工凭借多年选案经验进行制定的,并默认指标体系是绝对可靠的,实际选案时间过久。因此想要加入数据挖掘技术手段,主动寻找最佳的解决办法,将预处理过的数据直接生成线索,从海量数据中找出具有高风险的数据,为执法督察人员提供重要的信息,并去判断这些线索的合理性,实现基于数据挖掘的计算机辅助选案。本文是基于某省级地方税务局的“风险监控平台”中执法督察模块,采用数据挖掘技术对税收执法督察选案工作进行研究与实现,着重分析了 K-均值聚类算法对初步加工后的数据进行降维聚类操作,根据纳税人之间的相似性将纳税人聚类,分析出具有高风险的纳税人,使用Apriori算法根据样本数据找到疑点数据发生的规律,找出会大概率出现的指标组合作为预测规则。将得到的预测规则与当前发生的违规行为相结合,预测纳税人可能还会...
【文章来源】：湖北大学湖北省
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
图２．１数据挖掘的基本步骤??
风险监控平台”后台数据库中，在ＧＹ市地方税务局下任意选取１００个纳税人作为研??究样本，使用ＳＱＬ语句将纳税人信息登记表以及从已缴税费表与应缴税费表中的重要??字段建立一个物化视图。由于篇幅有限，下
?是是?是??如下图３．５是Ａｐｒｉｏｒｉ算法实现流程图。在数据库中选取符合需求的样本数据，生成??候选数据集。在候选数据集中，根据最小支持度生成了满足条件的最大频繁项目集，将??生成的最大频繁集放到频繁集集合中。在频繁集中根据最小可信度产生强关联规则。??数荐庠候选数Ｓ集４生成频繁集一＾成强关联规到＇?■??图３．５?Ａｐｒｉｏｒｉ算法实现流程图??使用Ｃ＃语言可以将Ａｐｒｉｏｒｉ算法移植进ＡＳＰ．ＮＥＴ＋Ｏｒａｃｌｅ的集合框架中，如图３．６是??项目中实现的核心代码，主要进行算法迭代，直至无法生成候选项目集。??／／萁沄：ｓ行迗代??Ｈｓ＊ｃ＜Ｉｔｅ２ＴｉＳｅ＊ｃ＞?Ａｐｒｉｄｉ?（ＡｉｒｒｓｙｌＬｉｓｔ；?Ｄａｔａ?ｒＡｒｒｓｙｉｉｓｔ；?ＡＬ?ｒ?ｆＩｃａｔ；?ｓｕｐ）??｛??Ｌｉｓｔ；＜Ｉｔ；ｅｍＳｅｔ＞?Ｌ?＝?ｎｅｗ?；／／存鐘，§ｆ有顏繁琪英??ｉ?ｆ?ＣＡＬ．?Ｃｏｕｎｔ?＝?Ｃ?＞?ｒｅｔｕｒｎ?Ｌ；??ｅｌｓｅ??｛??ｉｍ［］?Ａｉｃｃｕｎｉ：?＝?ｎｅｗ?：１二［５＾．＜＾１１１１１：］；／／扫＿顼目矣＃数蓉，德始化为＜３??Ａｒ２：ｓｙＬｉｓｔ?Ｍ＾ｆｒｓ．ｑｕｅｎｔ?＝?ｎｅｗ?＾ｒｒｓｙＬｉｓｔ：?（）；／／？〇始攻务＝的顏繁哀英??／／邊历革务觳据矣，対袞３矣适背觳??Ｒｅｇｅｘ?ｒ＝ｎｅｗ?ＰｖａｇｅｘＣ９％＾｝?ｒ??ｆｏｒ?｛±ｚｉＺ?±?＝?０?ｚ?ｉ?＜?Ｄａｔａ?．Ｃｏｕｎｔ；?ｉ＋＋》??
【参考文献】：
期刊论文
[1]改进的二分K均值聚类算法[J]. 刘广聪,黄婷婷,陈海南. 计算机应用与软件. 2015(02)
[2]基于关联矩阵的频繁项集挖掘算法[J]. 张雅芬,王新. 云南民族大学学报(自然科学版). 2012(02)
[3]基于自适应网格划分的数据流聚类算法[J]. 邢长征,张国凯. 计算机工程与科学. 2011(10)
[4]二分K均值聚类算法优化及并行化研究[J]. 张军伟,王念滨,黄少滨,蔄世明. 计算机工程. 2011(17)
[5]聚类算法及聚类融合算法研究[J]. 赵向梅,王艳君,刘林. 电子设计工程. 2011(15)
[6]关联规则在大学课程实验效果分析中的应用[J]. 张翔,董丽丽,王茹. 现代计算机(专业版). 2011(04)
[7]基于关联规则的购物篮分析[J]. 方玮玮. 四川理工学院学报(自然科学版). 2010(04)
[8]数据挖掘中关联规则算法的研究[J]. 程玉,熊英. 软件导刊. 2009(11)
[9]基于矩阵的模糊关联规则挖掘算法及其应用研究[J]. 李林,易云飞,黄潜,覃俊. 现代电子技术. 2009(20)
[10]基于数据挖掘技术的营销模式[J]. 吕佳,钱雪忠. 电脑知识与技术. 2009(03)
博士论文
[1]道路运输信息系统的数据挖掘方法研究与应用[D]. 郑晓峰.华南理工大学 2014
[2]可信关联规则挖掘算法研究[D]. 肖波.北京邮电大学 2009
硕士论文
[1]基于数据挖掘技术的医疗影像检查量预测[D]. 吴斌.杭州电子科技大学 2015
[2]大数据下粗糙关联规则算法研究[D]. 米允龙.昆明理工大学 2014
[3]云计算下的关联分析和模糊聚类研究[D]. 赵洪昌.南京信息工程大学 2013
[4]大规模数据挖掘聚类算法的研究与实现[D]. 崔日新.西安电子科技大学 2013
[5]不同结构多模型拟合方法研究[D]. 陈晓旭.西安电子科技大学 2013
[6]基于数据挖掘的保险展业系统设计[D]. 丁志宏.复旦大学 2011
[7]网络安全事件关联规则自动生成技术的研究与实现[D]. 李阳.国防科学技术大学 2010
[8]基于滑动窗口和子空间划分的数据流聚类算法研究[D]. 王浩.燕山大学 2010
[9]隐私保护分类数据挖掘研究[D]. 汤彪.内蒙古科技大学 2010
[10]复杂网络中的局部动力学模型[D]. 廖畅.上海交通大学 2010
本文编号：3251058
【文章来源】：湖北大学湖北省
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
图２．１数据挖掘的基本步骤??
风险监控平台”后台数据库中，在ＧＹ市地方税务局下任意选取１００个纳税人作为研??究样本，使用ＳＱＬ语句将纳税人信息登记表以及从已缴税费表与应缴税费表中的重要??字段建立一个物化视图。由于篇幅有限，下
?是是?是??如下图３．５是Ａｐｒｉｏｒｉ算法实现流程图。在数据库中选取符合需求的样本数据，生成??候选数据集。在候选数据集中，根据最小支持度生成了满足条件的最大频繁项目集，将??生成的最大频繁集放到频繁集集合中。在频繁集中根据最小可信度产生强关联规则。??数荐庠候选数Ｓ集４生成频繁集一＾成强关联规到＇?■??图３．５?Ａｐｒｉｏｒｉ算法实现流程图??使用Ｃ＃语言可以将Ａｐｒｉｏｒｉ算法移植进ＡＳＰ．ＮＥＴ＋Ｏｒａｃｌｅ的集合框架中，如图３．６是??项目中实现的核心代码，主要进行算法迭代，直至无法生成候选项目集。??／／萁沄：ｓ行迗代??Ｈｓ＊ｃ＜Ｉｔｅ２ＴｉＳｅ＊ｃ＞?Ａｐｒｉｄｉ?（ＡｉｒｒｓｙｌＬｉｓｔ；?Ｄａｔａ?ｒＡｒｒｓｙｉｉｓｔ；?ＡＬ?ｒ?ｆＩｃａｔ；?ｓｕｐ）??｛??Ｌｉｓｔ；＜Ｉｔ；ｅｍＳｅｔ＞?Ｌ?＝?ｎｅｗ?；／／存鐘，§ｆ有顏繁琪英??ｉ?ｆ?ＣＡＬ．?Ｃｏｕｎｔ?＝?Ｃ?＞?ｒｅｔｕｒｎ?Ｌ；??ｅｌｓｅ??｛??ｉｍ［］?Ａｉｃｃｕｎｉ：?＝?ｎｅｗ?：１二［５＾．＜＾１１１１１：］；／／扫＿顼目矣＃数蓉，德始化为＜３??Ａｒ２：ｓｙＬｉｓｔ?Ｍ＾ｆｒｓ．ｑｕｅｎｔ?＝?ｎｅｗ?＾ｒｒｓｙＬｉｓｔ：?（）；／／？〇始攻务＝的顏繁哀英??／／邊历革务觳据矣，対袞３矣适背觳??Ｒｅｇｅｘ?ｒ＝ｎｅｗ?ＰｖａｇｅｘＣ９％＾｝?ｒ??ｆｏｒ?｛±ｚｉＺ?±?＝?０?ｚ?ｉ?＜?Ｄａｔａ?．Ｃｏｕｎｔ；?ｉ＋＋》??
【参考文献】：
期刊论文
[1]改进的二分K均值聚类算法[J]. 刘广聪,黄婷婷,陈海南. 计算机应用与软件. 2015(02)
[2]基于关联矩阵的频繁项集挖掘算法[J]. 张雅芬,王新. 云南民族大学学报(自然科学版). 2012(02)
[3]基于自适应网格划分的数据流聚类算法[J]. 邢长征,张国凯. 计算机工程与科学. 2011(10)
[4]二分K均值聚类算法优化及并行化研究[J]. 张军伟,王念滨,黄少滨,蔄世明. 计算机工程. 2011(17)
[5]聚类算法及聚类融合算法研究[J]. 赵向梅,王艳君,刘林. 电子设计工程. 2011(15)
[6]关联规则在大学课程实验效果分析中的应用[J]. 张翔,董丽丽,王茹. 现代计算机(专业版). 2011(04)
[7]基于关联规则的购物篮分析[J]. 方玮玮. 四川理工学院学报(自然科学版). 2010(04)
[8]数据挖掘中关联规则算法的研究[J]. 程玉,熊英. 软件导刊. 2009(11)
[9]基于矩阵的模糊关联规则挖掘算法及其应用研究[J]. 李林,易云飞,黄潜,覃俊. 现代电子技术. 2009(20)
[10]基于数据挖掘技术的营销模式[J]. 吕佳,钱雪忠. 电脑知识与技术. 2009(03)
博士论文
[1]道路运输信息系统的数据挖掘方法研究与应用[D]. 郑晓峰.华南理工大学 2014
[2]可信关联规则挖掘算法研究[D]. 肖波.北京邮电大学 2009
硕士论文
[1]基于数据挖掘技术的医疗影像检查量预测[D]. 吴斌.杭州电子科技大学 2015
[2]大数据下粗糙关联规则算法研究[D]. 米允龙.昆明理工大学 2014
[3]云计算下的关联分析和模糊聚类研究[D]. 赵洪昌.南京信息工程大学 2013
[4]大规模数据挖掘聚类算法的研究与实现[D]. 崔日新.西安电子科技大学 2013
[5]不同结构多模型拟合方法研究[D]. 陈晓旭.西安电子科技大学 2013
[6]基于数据挖掘的保险展业系统设计[D]. 丁志宏.复旦大学 2011
[7]网络安全事件关联规则自动生成技术的研究与实现[D]. 李阳.国防科学技术大学 2010
[8]基于滑动窗口和子空间划分的数据流聚类算法研究[D]. 王浩.燕山大学 2010
[9]隐私保护分类数据挖掘研究[D]. 汤彪.内蒙古科技大学 2010
[10]复杂网络中的局部动力学模型[D]. 廖畅.上海交通大学 2010
本文编号：3251058
本文链接：https://www.wllwen.com/guanlilunwen/shuishoucaizhenglunwen/3251058.html
