1、稅務稽查選案是指稅務機關通過分析企業(yè)定期呈報給稅務部門的綜合財務數據資料和納稅申報數據資料,最大限度地發(fā)現企業(yè)申報納稅中存在的問題和疑點,查找出有偷漏稅嫌疑的企業(yè),確定為稅務稽查對象的過程。稅務稽查選案信息處理研究的核心內容是對企業(yè)申報納稅狀況進行模式識別,其研究結果直接影響稅務稽查計劃的合理制定,是稅收學的重要研究領域。
　　 本文針對現有稅務稽查選案存在的企業(yè)涉稅經濟數據量大,選案方法對樣本的可靠程度依賴性強、企業(yè)納稅申報情

2、況和偷逃稅行為之間高度的非線性關系難以反映等特征,將機器學習中的支持向量機(Support Vector Machine,簡稱SVM)方法和神經網絡聚類方法引入到稽查選案信息處理中,通過對企業(yè)涉稅數據樣本的分類判斷和聚類分析,確定稅務稽查對象清冊。
　　 文章在分析研究支持向量機、遺傳算法(Genetic Algorithm,簡稱GA)和聚類分析的原理和實現方法的基礎上,利用系統(tǒng)工程的思想,設計了基于支持向量機和自組織特征映射網

3、絡(Self-organizing feature map,簡稱SOM)相結合的稅務稽查選案信息處理模型。首先運用支持向量機良好的分類能力,根據納稅人的歷史稅收征管信息資料,對納稅人是否需要納入稽查范圍進行判斷分類,在具體實施分類時,充分考慮支持向量機核函數參數和正則化參數C難以確定的因素,引入了遺傳算法,運用遺傳算法良好的全局搜索能力來自動確定支持向量機的參數；然后根據有相類似的偷漏稅手段的納稅人必然具有相類似的樣本屬性的特點,運用自

4、組織特征映射網絡和K均值聚類算法相結合的方法對納入稽查選案范圍的納稅人進行聚類,為合理制定稅務稽查計劃提供參考依據,并可據此確定實施稅務稽查檢查的側重點,更有利于稅務稽查的實施。
　　 在自組織特征映射網絡和K均值算法相結合的聚類方法中,先用SOM算法對數據進行粗略的聚類,然后用SOM的連接權值對K均值算法的初始聚類中心進行初始化,通過K均值算法對樣本進行精確聚類,實驗結果表明該聚類組合算法能提高聚類的準確率。
　　 文