基于改进SVM的纳税评估和预测

• 作者: 余小清 安炫东 张一凡
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: Adaboost 支持向量机 纳税评估和预测 模糊信息粒化
• 年，卷（期）: 2016,（8）
• 所属期刊栏目: 【理论与算法】
• 页码范围: 79-84
• 页数: 6页
• 分类号: TP181
• 字数: 4176字
• 语种: 中文

摘要

目前进行纳税评估和预测工作主要依赖于纳税评估人员的人工判别和分析,这样导致税务评估人员工作量较大,而且所得的评估结果也不准确。为了解决这一问题,提出了基于 Adaboost-PSO-SVM的纳税评估模型。利用PSO优化 SVM弱分类器,再用 Adaboost将多个PSO-SVM组合成为强分类器进行纳税评估。实验结果表明在纳税评估方面,相比于单个 SVM弱分类器,Adaboost-PSO-SVM强分类器的准确率由94%提高到了99%。在纳税评估的基础上,利用 SVM回归机实现对纳税数据变化趋势和变化空间的预测,结果表明包含纳税评估结果的预测模型的预测效果更好。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余小清	上海大学通信与信息工程学院	40	362	10.0	17.0
2	张一凡	上海大学通信与信息工程学院	3	11	2.0	3.0
3	安炫东	上海大学通信与信息工程学院	2	10	2.0	2.0