基于SVM的税务稽查选案自动识别方法研究

支持向量机是20世纪90年代中期发展起来的机器学习技术,在众多分类算法中,支持向量机因其出色的学习能力,成为机器学习界的研究热点。着重于介绍支持向量机,先把采集来的企业申报数据随机分为训练样本和测试样本,然后通过台湾大学林智仁(Lin Chih-Jen)副教授开发设计的支持向量机工具LIBSVM,用训练样本获得SVM模型,并用这个SVM模型预测测试样本企业是否有问题,通过已知结果得到模型预测的准确率。实验结果说明该方法是一种有效的方法,完全可以作为税务稽查选案的参考。

基于贝叶斯方法的税收风险指标分析

税收风险指标是风险识别的灵魂,如何设置指标的阈值,提高风险指标的指向性,以及如何知道风险指标的识别精准度,以往税务机关一般依据历史经验做出推算,得出来的结果,往往不太靠谱。通过深入研究贝叶斯方法,建立指标分析模型,并结合现实数据作了实证分析。实证结果表明,贝叶斯指标分析模型具有很高的现实应用价值。