基于概率神經(jīng)網(wǎng)絡(luò)和K-means算法的納稅評(píng)估.pdf

1、納稅評(píng)估工作是一項(xiàng)難于建立準(zhǔn)確數(shù)學(xué)模型的復(fù)雜系統(tǒng)，同時(shí)又是一個(gè)典型的模式識(shí)別問(wèn)題。目前國(guó)內(nèi)稅收征收管理現(xiàn)代化程度較低，雖然已經(jīng)建立起計(jì)算機(jī)管理信息系統(tǒng)，然而決支持系統(tǒng)的建立仍處于起步階段，在稅收管理中起基礎(chǔ)作用的稅評(píng)估模型研究還處于初級(jí)階段。
　　 本文在前人對(duì)納稅評(píng)估指標(biāo)體系建立方法的研究基礎(chǔ)上，提出用杜邦分析方法構(gòu)造納稅評(píng)估指標(biāo)體系的具體方法，對(duì)納稅評(píng)估指標(biāo)進(jìn)行篩選。經(jīng)過(guò)經(jīng)濟(jì)意義分析，構(gòu)建出了三層的指標(biāo)體系，最后從眾多指標(biāo)中

2、篩選出5個(gè)指標(biāo)，分別代表納稅人3個(gè)方面的的經(jīng)營(yíng)狀況，以此體系構(gòu)筑納稅評(píng)估模型的指標(biāo)集。然后以磁縣地稅局稅收征管信息系統(tǒng)為數(shù)據(jù)來(lái)源，選取76 戶零售行業(yè)的納稅人財(cái)務(wù)信息作為研究主體。運(yùn)用概率神經(jīng)網(wǎng)絡(luò)建立納稅評(píng)估模型，對(duì)兩類納稅戶進(jìn)行識(shí)別。將人工神經(jīng)網(wǎng)絡(luò)與納稅評(píng)估工作實(shí)踐結(jié)合起來(lái)，一方面有利于實(shí)現(xiàn)納稅評(píng)估工作智能化，同時(shí)克服了工作中人為因素的干擾，也彌補(bǔ)人工神經(jīng)網(wǎng)絡(luò)無(wú)法識(shí)別訓(xùn)練樣本本身錯(cuò)誤的缺點(diǎn)。同時(shí)在模型的建立過(guò)程中穿插研究了概率神經(jīng)網(wǎng)絡(luò)

3、的MATLAB 實(shí)現(xiàn)方法，網(wǎng)絡(luò)結(jié)構(gòu)單元的確定，參數(shù)調(diào)整等問(wèn)題。
　　 在模型的優(yōu)化中，運(yùn)用PNN算法對(duì)原有訓(xùn)練樣本數(shù)據(jù)進(jìn)行自測(cè)，通過(guò)自測(cè)發(fā)現(xiàn)矛盾，從而尋找可疑樣本。然后以可疑樣本為基礎(chǔ)，綜合運(yùn)用K-means算法和層次聚類法以歐式距離為基礎(chǔ)進(jìn)行聚類，為可疑樣本尋找近似數(shù)據(jù)構(gòu)造可疑樣本集。到此新的訓(xùn)練樣本增加一類為可疑類，用新的訓(xùn)練樣本作為對(duì)PNN 網(wǎng)絡(luò)訓(xùn)練樣本的替代樣本集進(jìn)行預(yù)測(cè)。把概率神經(jīng)網(wǎng)絡(luò)與納稅評(píng)估工作流程相結(jié)合，實(shí)現(xiàn)納稅