摘要
Abstract
1 绪论
1.1 研究背景
1.1.1 税收的起源
1.1.2 税收的本质
1.1.3 纳税人遵从理论
1.2 纳税评估的定义、特征及意义
1.2.1 纳税评估定义
1.2.2 纳税评估的基本特征
1.2.3 纳税评估的意义
1.3 研究思路及主要内容
1.3.1 研究的主要内容
1.3.2 研究思路
1.3.3 研究的数据来源
2 纳税评估模型综述
2.1 纳税评估模型研究现状
2.1.1 国内纳税评估模型研究现状
2.1.2 国外纳税评估模型研究现状
2.2 纳税评估模型文献综述
2.2.1 纳税评估指标选择文献综述
2.2.2 国内纳税评估模型文献综述
2.2.3 国外纳税评估模型文献综述
2.3 数据挖掘分类算法
2.3.1 分类算法概述
2.3.2 分类算法的种类和特征
2.4 选取粗糙集和支持向量机(SVM)的主要依据
2.4.1 粗糙集的特点
2.4.2 支持向量机的特点
2.4.3 税收数据及指标的特点
3 粗糙集和支持向量机简介
3.1 知识表达系统
3.1.1 知识、知识库与划分
3.1.2 信息系统
3.2 粗糙集理论的基本概念
3.2.1 基本概念
3.2.2 知识约简
3.2.3 Rough 度与分类质量
3.3 支持向量机理论基础和基本原理
3.3.1 机器学习问题
3.3.2 统计学习理论
3.3.3 支持向量机分类情况
3.3.4 核函数
4 粗糙集和支持向量机的纳税评估研究
4.1 纳税评估基本理论
4.1.1 纳税评估的理论依据
4.1.2 纳税评估体系的内容构成
4.2 纳税评估模型
4.2.1 评估模型在评估系统中的地位
4.2.2 纳税评估一般模型
4.3 纳税评估指标筛选
4.3.1 纳税评估指标筛选方法选择
4.3.2 决策表属性约简
4.3.3 属性约简算法
4.4 纳税评估的支持向量分类机
4.4.1 分类模型的选择
4.4.2 C-支持向量分类机
4.4.3 支持向量机分类求解算法
4.5 本章小结
5 模型的实证分析
5.1 引言
5.2 纳税评估指标约简
5.2.1 样本数据补齐
5.2.2 连续属性值离散化
5.2.3 粗糙集约简方法
5.2.4 约简结果分析
5.3 支持向量机样本选取及预处理
5.3.1 原始数据的选取
5.3.2 样本数据标准化
5.3.3 样本集的划分
5.4 支持向量机参数选择
5.4.1 核函数选择及构造
5.4.2 训练参数的优化选择
5.5 训练结果分析和比较
5.6 本章小结
6 结论与展望
6.1 全文工作总结
6.2 未来研究展望
致谢
参考文献
附录
重庆大学;