تشخیص داده های پرت داده کاوی کلاستر مبتنی بر مالیات

قیمت: 39,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

تشخیص داده های پرت داده کاوی کلاستر مبتنی بر مالیات

عنوان لاتین

Outlier Detection Data Mining of Tax Based on Cluster

به منظور حل مشکل مالیات در صنعت کاوش داده های پرت، تحلیل صنعت مالیات، تقاضا برای داده کاوی و ترکیب داده ها، داده کاوی مبتنی بر خوشه بندی (کلاسترینگ) الگوریتمی جهت حل مسئله ی کشف مالیات داده های پرت، و نمونه ای برای اثبات تاثیرگذاری الگوریتم را ارائه می دهد. به طور کلی، پایگاه داده حاوی داده هایی است که طبقه بندی تعیین شده توسط تحلیل کلاستر(خوشه) را جهت پیش بینی یا مدل سازی ، را رعایت نمی کنند، اکثر اشیاء داده ای که قانون مطرح شده توسط مدل اشیاء داده ای را رعایت نمی کنند، غیرعادی نامیده می شوند. اگرچه ، داده ها در کار مالیاتی ارزش خاص بسیاری دارند. در سیستم مدیریت درآمد، نشانه ی مالیات نه تنها داده را برای منابع کلیدی به منظور آزمایش یافته ، بلکه می تواند جهت تشخیص رفتارهای عملیاتی غیر طبیعی مالیات دهندگان یا حتی تعیین وجود مالیات دهندگان مشکوک به تقلب و مالیات گریزی استفاده شود، که اینگونه بررسی وضعیت مالیاتی مظنونان به تخلف مالیاتی سریعتر و دقیق تر انجام خواهد شد.

In order to solve the tax problem of mining industry of outlier data, analysis of the tax industry, the demand for data mining and data features, a clustering based data mining algorithms to solve the issue of tax discovery of outlier data, and an example to prove effectiveness of the algorithm. A database generally has some data does not meet the classification obtained by cluster analysis to predict or model, most of the data objects that do not meet the law posed by the data object model is called abnormal. However, the data in the tax work has great practical value. In the revenue management system, a sign of the tax shift data for key sources found in addition to screening, but also can be used to detect abnormal operating behavior of taxpayers, or even determine the existence of the taxpayers suspected of evasion and tax fraud, which speedy and accurate tax audit Suspects