數(shù)據(jù)挖掘技術(shù)在納稅評估中的應(yīng)用研究.pdf

1、數(shù)據(jù)挖掘(Data Mining，DM)是從大量數(shù)據(jù)中發(fā)現(xiàn)潛在規(guī)律、提取有用知識的方法和技術(shù)。近年來，數(shù)據(jù)挖掘受到了國內(nèi)外的普遍關(guān)注，己經(jīng)成為信息系統(tǒng)和計(jì)算機(jī)科學(xué)領(lǐng)域研究中最活躍的前沿領(lǐng)域。數(shù)據(jù)挖掘已廣泛應(yīng)用于生物醫(yī)學(xué)、金融、零售業(yè)、電信業(yè)等領(lǐng)域，并產(chǎn)生了巨大的效益。分類分析是數(shù)據(jù)挖掘技術(shù)研究的一個(gè)重要方向。常用的分類模型有決策樹、神經(jīng)網(wǎng)絡(luò)、遺傳算法、粗糙集模型、統(tǒng)計(jì)模型等。決策樹學(xué)習(xí)算法在數(shù)據(jù)挖掘技術(shù)中具有很重要的作用，本文研究了決策

2、樹學(xué)習(xí)算法中最為重要的一種ID3(Information Definition)算法，并引入用戶興趣度的概念定義了ID3的改進(jìn)算法，在一定程度上解決了決策支持過程中大數(shù)據(jù)掩蓋小數(shù)據(jù)的問題。 本文在概述數(shù)據(jù)挖掘技術(shù)和分類算法的基礎(chǔ)上，提出了在傳統(tǒng)ID3算法中引入用戶興趣度的概念來改進(jìn)ID3算法，即在ID3算法的信息熵計(jì)算公式中，對信息量加權(quán)和增加用戶興趣度，使得算法不僅依賴于訓(xùn)練樣本建立分類模型，而是在訓(xùn)練樣本的基礎(chǔ)上對具體屬性加

3、入先驗(yàn)知識調(diào)節(jié)其對分類的信息量，提高分類的準(zhǔn)確性，并用實(shí)例驗(yàn)證了改進(jìn)QID3算法的有效性。 此外，本文采用面向?qū)ο蠹夹g(shù)，用c++語言實(shí)現(xiàn)了ID3算法及其改進(jìn)QID3算法。并且在此基礎(chǔ)上開發(fā)了一個(gè)以改進(jìn)ID3算法為核心的決策樹生成系統(tǒng)(分類系統(tǒng))。該分類系統(tǒng)面向?qū)嶋H應(yīng)用，實(shí)現(xiàn)了從數(shù)據(jù)導(dǎo)入到生成規(guī)則的完整數(shù)據(jù)挖掘步驟，并具有處理屬性值缺失數(shù)據(jù)、連續(xù)屬性數(shù)據(jù)等功能。 本文還根據(jù)國稅系統(tǒng)的實(shí)際需要，將所開發(fā)的分類系統(tǒng)應(yīng)用于納稅評估