基于自适应bp神经网络的纳税信用风险分类研究

《基于自适应bp神经网络的纳税信用风险分类研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文MASTER’SDISSERTATION论文题目基于自适应BP神经网络的纳税信用风险分类研究作者姓名李延涛学位类别工程硕士指导教师邓成玉教授2016年5月中图分类号：TP311学校代码：10216UDC：654密级：公开工程硕士学位论文(工程设计型)基于自适应BP神经网络的纳税信用风险分类研究硕士研究生：李延涛导师：邓成玉教授副导师：张淑杰高工申请学位：工程硕士工程领域：计算机技术所在单位：信息科学与工程学院答辩日期：2016年5月授予学位单位：燕山大学ADissertationinComputerTechnologyTAXCREDITRISK

2、CLASSIFICATIONBASEDONADAPTIVEBPNEURALNETWORKbyLiYantaoSupervisor:ProfessorDengChengyuYanshanUniversityMay2016燕山大学硕士学位论文原创性声明本人郑重声明：此处所提交的硕士学位论文《基于自适应BP神经网络的纳税信用风险分类研究》，是本人在导师指导下，在燕山大学攻读硕士学位期间独立进行研究工作所取得的成果。论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文的研究工作做出重要贡献的个人和集体，均已在文中以明确方式注明。本声明的法律结果将完全由本

3、人承担。作者签字：日期：年月日-IV-摘要摘要税收信用是社会信用体系的重要组成部分,诚信纳税在一定程度上反映了社会信用状况。纳税信用风险分类管理，其本质是根据纳税人履行纳税义务的情况，按照纳税人信用风险程度不同进行分类，根据不同的纳税人信用风险情况，进行针对性、差异化的管理。税收信息化的迅速发展为纳税信用风险管理提供了大量的数据支持，如何基于历史涉税数据，利用数据挖掘技术实现对纳税信用风险进行科学有效地识别和分类，是当前税务部门税源管理实践中一个新课题。首先，针对BP神经网络算法应用在纳税信用风险分类过程中，存在收敛速度慢、分类精度不高和泛化能力差缺点，提

4、出了基于BP网络误差函数优化的纳税信用风险分类算法BP-OEF。该算法将复合误差函数融入到传统BP神经网络算法中，引入了隐含层的误差函数概念，利用误差变化率为权重，根据误差变化率自适应对BP神经网络的权值进行调整。在模型训练的后期，凭借较大的误差变化率依然能加快网络的收敛速度和避免陷入局部极小点，为纳税信用风险分类模型的训练提供了保证。其次，在应用BP神经网络算法构建纳税信用风险分类模型时，为解决传统神经网络中固定学习速率选择对风险分类模型训练造成的性能缺陷问题，提出了融入分层自适应机制的BP网络纳税信用风险分类算法BP-LAAM。该算法在基于BP神经网络

5、算法的基础上，分别为隐含层和输出层设置学习率，根据误差大小和误差趋势，自适应调整学习速率，保证学习速率能自适应地保持在一个相对合适的位置，从而加快网络的收敛速度和提高信用风险分类模型分类准确率和稳定性。最后，对以上提出的两种算法进行了实验验证。实验结果表明，与传统BP神经网络算法相比较，基于BP网络误差函数优化的纳税信用风险分类算法BP-OEF和融入分层自适应机制的BP网络纳税信用风险分类算法BP-LAAM，在解决纳税信用风险分类问题时，训练生成的纳税信用风险分类模型收敛速度快、分类精度高和泛化能力强，实验验证了算法的有效性。关键词：纳税信用；BP神经网络

6、；风险分类；收敛速度-I-AbstractAbstractThetaxcreditisanimportantpartofthesocialcreditsystem,theintegrityofthetaxreflectsthesocialcreditsituationinacertainextent.Taxcreditriskclassificationmanagement,itsessenceisthatdifferentlevelsofcreditrisktaxpayersareclassified,dependingonthecircumstance

7、softhetaxpayertofulfilltaxobligations,andtocarryouttargetedanddifferentiatedmanagementaccordingtothedifferenttaxpayercreditrisk.Therapiddevelopmentofthetaxinformationizationprovidesalotofdatasupportforthetaxcreditriskmanagement,howbasedonhistoricaltaxrelateddata,usingdataminingtec

8、hnologytorealizethetaxcreditrisks