模糊粗糙集理论在纳税评估中的应用

纳税评估是税收管理工作的一个重要组成部分,纳税评估指标体系的建立是纳税评估工作的一个重要环节。关键是评估效率和准确性。为了提高纳税评估的业务效率,准确地对纳税人的申报税款情况进行评价,利用模糊粗糙集理论,选用不同的离散区间化方法,对选取的评估指标进行属性约简,最后采用支持向量机机器学习的方法对约简属性进行评价,经过实验比较分析后,得出一种新的纳税评估指标体系,通过实例验证。实验结果表明指标体系能很好地提高纳税评估预测性能。

一种改进的Apriori算法

针对Apriori算法对数据库的扫描次数过多、系统的I/O负载大和产生大量的无关中间项集等弊端,提出了一种改进的Apriori算法。该算法通过加入用户兴趣项,减少候选项集的产生;打破了传统的算法实现步骤减少了数据库的扫描次数,降低了系统I/O负载;构建了用户兴趣度模型增加了算法生成强关联规则的可读性,提高了算法的效率。实验表明,改进的Apriori算法能有效地提高运行速度和效率。