隨著中國經(jīng)濟(jì)的騰飛,全社會都發(fā)生著巨大的變化。個人納稅和企業(yè)納稅在國家經(jīng)濟(jì)中占據(jù)著重要地位,地稅部門在適應(yīng)時代發(fā)展的同時,需要加大對其內(nèi)部的監(jiān)督力度。選案工作作為執(zhí)法督察工作的第一步,是重中之重�，F(xiàn)在普遍使用的是基于指標(biāo)的計算機(jī)輔助選案方式,這種方式能夠根據(jù)指標(biāo)查找出所有具有疑點的案例,但是此方式使用的指標(biāo)體系是人工憑借多年選案經(jīng)驗進(jìn)行制定的,并默認(rèn)指標(biāo)體系是絕對可靠的,實際選案時間過久。因此想要加入數(shù)據(jù)挖掘技術(shù)手段,主動尋找最佳的解決辦法,將預(yù)處理過的數(shù)據(jù)直接生成線索,從海量數(shù)據(jù)中找出具有高風(fēng)險的數(shù)據(jù),為執(zhí)法督察人員提供重要的信息,并去判斷這些線索的合理性,實現(xiàn)基于數(shù)據(jù)挖掘的計算機(jī)輔助選案。本文是基于某省級地方稅務(wù)局的“風(fēng)險監(jiān)控平臺”中執(zhí)法督察模塊,采用數(shù)據(jù)挖掘技術(shù)對稅收執(zhí)法督察選案工作進(jìn)行研究與實現(xiàn),著重分析了 K-均值聚類算法對初步加工后的數(shù)據(jù)進(jìn)行降維聚類操作,根據(jù)納稅人之間的相似性將納稅人聚類,分析出具有高風(fēng)險的納稅人,使用Apriori算法根據(jù)樣本數(shù)據(jù)找到疑點數(shù)據(jù)發(fā)生的規(guī)律,找出會大概率出現(xiàn)的指標(biāo)組合作為預(yù)測規(guī)則。將得到的預(yù)測規(guī)則與當(dāng)前發(fā)生的違規(guī)行為相結(jié)合,預(yù)測納稅人可能還會... 

【文章來源】：湖北大學(xué)湖北省

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．１數(shù)據(jù)挖掘的基本步驟??

風(fēng)險監(jiān)控平臺”后臺數(shù)據(jù)庫中，在ＧＹ市地方稅務(wù)局下任意選�。保埃皞�納稅人作為研??究樣本，使用ＳＱＬ語句將納稅人信息登記表以及從已繳稅費表與應(yīng)繳稅費表中的重要??字段建立一個物化視圖。由于篇幅有限，下

?是是?是??如下圖３．５是Ａｐｒｉｏｒｉ算法實現(xiàn)流程圖。在數(shù)據(jù)庫中選取符合需求的樣本數(shù)據(jù)，生成??候選數(shù)據(jù)集。在候選數(shù)據(jù)集中，根據(jù)最小支持度生成了滿足條件的最大頻繁項目集，將??生成的最大頻繁集放到頻繁集集合中。在頻繁集中根據(jù)最小可信度產(chǎn)生強關(guān)聯(lián)規(guī)則。??數(shù)薦庠候選數(shù)Ｓ集４生成頻繁集一＾成強關(guān)聯(lián)規(guī)到＇?■??圖３．５?Ａｐｒｉｏｒｉ算法實現(xiàn)流程圖??使用Ｃ＃語言可以將Ａｐｒｉｏｒｉ算法移植進(jìn)ＡＳＰ．ＮＥＴ＋Ｏｒａｃｌｅ的集合框架中，如圖３．６是??項目中實現(xiàn)的核心代碼，主要進(jìn)行算法迭代，直至無法生成候選項目集。??／／萁?jīng)V：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：］；／／掃＿頊目矣＃數(shù)蓉，德始化為＜３??Ａｒ２：ｓｙＬｉｓｔ?Ｍ＾ｆｒｓ．ｑｕｅｎｔ?＝?ｎｅｗ?＾ｒｒｓｙＬｉｓｔ：?（）；／／？〇始攻務(wù)＝的顏繁哀英??／／邊歷革務(wù)觳據(jù)矣，対袞３矣適背觳??Ｒｅｇｅｘ?ｒ＝ｎｅｗ?ＰｖａｇｅｘＣ９％＾｝?ｒ??ｆｏｒ?｛±ｚｉＺ?±?＝?０?ｚ?ｉ?＜?Ｄａｔａ?．Ｃｏｕｎｔ；?ｉ＋＋》??

【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)的二分K均值聚類算法[J]. 劉廣聰,黃婷婷,陳海南.  計算機(jī)應(yīng)用與軟件. 2015(02)
[2]基于關(guān)聯(lián)矩陣的頻繁項集挖掘算法[J]. 張雅芬,王新.  云南民族大學(xué)學(xué)報(自然科學(xué)版). 2012(02)
[3]基于自適應(yīng)網(wǎng)格劃分的數(shù)據(jù)流聚類算法[J]. 邢長征,張國凱.  計算機(jī)工程與科學(xué). 2011(10)
[4]二分K均值聚類算法優(yōu)化及并行化研究[J]. 張軍偉,王念濱,黃少濱,蔄世明.  計算機(jī)工程. 2011(17)
[5]聚類算法及聚類融合算法研究[J]. 趙向梅,王艷君,劉林.  電子設(shè)計工程. 2011(15)
[6]關(guān)聯(lián)規(guī)則在大學(xué)課程實驗效果分析中的應(yīng)用[J]. 張翔,董麗麗,王茹.  現(xiàn)代計算機(jī)(專業(yè)版). 2011(04)
[7]基于關(guān)聯(lián)規(guī)則的購物籃分析[J]. 方瑋瑋.  四川理工學(xué)院學(xué)報(自然科學(xué)版). 2010(04)
[8]數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則算法的研究[J]. 程玉,熊英.  軟件導(dǎo)刊. 2009(11)
[9]基于矩陣的模糊關(guān)聯(lián)規(guī)則挖掘算法及其應(yīng)用研究[J]. 李林,易云飛,黃潛,覃俊.  現(xiàn)代電子技術(shù). 2009(20)
[10]基于數(shù)據(jù)挖掘技術(shù)的營銷模式[J]. 呂佳,錢雪忠.  電腦知識與技術(shù). 2009(03)

博士論文
[1]道路運輸信息系統(tǒng)的數(shù)據(jù)挖掘方法研究與應(yīng)用[D]. 鄭曉峰.華南理工大學(xué) 2014
[2]可信關(guān)聯(lián)規(guī)則挖掘算法研究[D]. 肖波.北京郵電大學(xué) 2009

碩士論文
[1]基于數(shù)據(jù)挖掘技術(shù)的醫(yī)療影像檢查量預(yù)測[D]. 吳斌.杭州電子科技大學(xué) 2015
[2]大數(shù)據(jù)下粗糙關(guān)聯(lián)規(guī)則算法研究[D]. 米允龍.昆明理工大學(xué) 2014
[3]云計算下的關(guān)聯(lián)分析和模糊聚類研究[D]. 趙洪昌.南京信息工程大學(xué) 2013
[4]大規(guī)模數(shù)據(jù)挖掘聚類算法的研究與實現(xiàn)[D]. 崔日新.西安電子科技大學(xué) 2013
[5]不同結(jié)構(gòu)多模型擬合方法研究[D]. 陳曉旭.西安電子科技大學(xué) 2013
[6]基于數(shù)據(jù)挖掘的保險展業(yè)系統(tǒng)設(shè)計[D]. 丁志宏.復(fù)旦大學(xué) 2011
[7]網(wǎng)絡(luò)安全事件關(guān)聯(lián)規(guī)則自動生成技術(shù)的研究與實現(xiàn)[D]. 李陽.國防科學(xué)技術(shù)大學(xué) 2010
[8]基于滑動窗口和子空間劃分的數(shù)據(jù)流聚類算法研究[D]. 王浩.燕山大學(xué) 2010
[9]隱私保護(hù)分類數(shù)據(jù)挖掘研究[D]. 湯彪.內(nèi)蒙古科技大學(xué) 2010
[10]復(fù)雜網(wǎng)絡(luò)中的局部動力學(xué)模型[D]. 廖暢.上海交通大學(xué) 2010



本文編號：3251058