支持向量机在税收预测中的应用研究

• 作者: 尹腾飞 张玉
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 主成分分析 支持向量机 税收预测
• 年，卷（期）: 2011,（9）
• 所属期刊栏目: 社会科学领域仿真
• 页码范围: 357-360
• 分类号: TV139.1
• 字数: 3433字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2011.09.090

摘要

研究税收预测问题,针对税收数据存在着高度的非线性、冗余等特征,传统的税收预测方法精度较低,影响预测的准确性.为了保证正确税收,提出了一种基于主成分分析的支持向量机税收预测模型(PCA_SVM).首先对影响税收的各指标因子进行主成分分析,消除各指标间的冗余信息,从而减少了支持向量机的输入维数,提高了支持向量机的训练速度,利用PCA_SVM模型对国家2001-2004年税收进行了验证,仿真结果表明,相对于各参比模型,PCA_SVM模型预测精度明显高于各参比模型,具有较岛的泛化能力,是一种有效的税收预测模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张玉	华北水利水电学院数学与信息科学学院	13	113	5.0	10.0
2	尹腾飞	三一德国有限公司德国研究院液压控制所	4	31	2.0	4.0