管理決策案例

1、稅務(wù)智能管理決策系統(tǒng)定義：智能決策支持系統(tǒng)是人工智能（AI，Artificial Intelligence）和DSS相結(jié)合，應(yīng)用專家系統(tǒng)（ES，Expert System）技術(shù)，使DSS能夠更充分地應(yīng)用人類的知識(shí)，如關(guān)于決策問(wèn)題的描述性知識(shí)，決策過(guò)程中的過(guò)程性知識(shí)，求解問(wèn)題的推理性知識(shí)，通過(guò)邏輯推理來(lái)幫助解決復(fù)雜的決策問(wèn)題的輔助決策系統(tǒng)。系統(tǒng)結(jié)構(gòu)n 較完整的智能決策支持系統(tǒng)是與典型的DSS結(jié)構(gòu)結(jié)合，在傳統(tǒng)三庫(kù)DSS的基礎(chǔ)上增設(shè)知識(shí)庫(kù)與推理機(jī)，在人機(jī)對(duì)話子系統(tǒng)加入自然語(yǔ)言處理系統(tǒng) (LS)，與四庫(kù)之間插人問(wèn)題處理系統(tǒng)(PSS)而構(gòu)成的四庫(kù)系統(tǒng)結(jié)構(gòu)。智能決策支持系統(tǒng)在稅務(wù)處理中的應(yīng)用稅務(wù)處理發(fā)展階

2、段n 第一階段是模擬手工操作的稅收電子化階段，其總體特征為采用數(shù)據(jù)庫(kù)技術(shù)，依托單機(jī)和局域網(wǎng)，涉及稅務(wù)應(yīng)用的操作層次，對(duì)稅收業(yè)務(wù)的重要環(huán)節(jié)實(shí)現(xiàn)了手工操作的計(jì)算機(jī)化。n 第二階段是步入面向管理的稅收管理信息系統(tǒng)階段，其總體特征為采用關(guān)系型數(shù)據(jù)庫(kù)、客戶機(jī)/服務(wù)器模式及圖形化界面，依托廣域網(wǎng)進(jìn)行分布式處理，涉及稅務(wù)應(yīng)用的操作和管理層次。n 第三階段是實(shí)現(xiàn)創(chuàng)造稅收價(jià)值的全方位稅收服務(wù)系統(tǒng)階段，其總體特征為采用WEB技術(shù)和組件化結(jié)構(gòu)，依托互聯(lián)網(wǎng)實(shí)現(xiàn)集中式處理，涉及稅務(wù)應(yīng)用的操作、管理和決策層次，并對(duì)納稅人進(jìn)行全面的管理與服務(wù)。 稅務(wù)處理主要內(nèi)容n 在稅收管理信息系統(tǒng)的基礎(chǔ)上，運(yùn)用現(xiàn)代管理學(xué)的理論和方法以及

3、先進(jìn)的計(jì)算機(jī)技術(shù)，使用傳統(tǒng)的數(shù)學(xué)統(tǒng)計(jì)方法、基于范例推理、專家系統(tǒng)、數(shù)據(jù)開(kāi)采和人工神經(jīng)網(wǎng)絡(luò)等智能技術(shù)相結(jié)合進(jìn)行稅收數(shù)據(jù)分析、稅款征收預(yù)測(cè)、計(jì)算機(jī)自動(dòng)稽查選案等稅收領(lǐng)域任務(wù)。 主要包括稅收數(shù)據(jù)分析預(yù)測(cè) 和稅務(wù)稽查計(jì)算機(jī)自動(dòng)選案 關(guān)鍵技術(shù)方法一：利用神經(jīng)網(wǎng)絡(luò) n 人工神經(jīng)網(wǎng)絡(luò)是一種并行的非線性動(dòng)力學(xué)系統(tǒng)模型，設(shè)計(jì)合理的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和選擇合適的學(xué)習(xí)算法，是人工神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)分析預(yù)測(cè)的關(guān)鍵步驟。我們將根據(jù)稅收數(shù)據(jù)分析預(yù)測(cè)的具體需要，設(shè)計(jì)一個(gè)多種神經(jīng)網(wǎng)絡(luò)模型集成的人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)，對(duì)稅收數(shù)據(jù)進(jìn)行分析和處理。具體說(shuō)來(lái)，基于人工神經(jīng)網(wǎng)絡(luò)的稅收數(shù)據(jù)分析預(yù)測(cè)包括以下過(guò)程： n （1）原始數(shù)據(jù)統(tǒng)計(jì)預(yù)處理分析： n 由

4、統(tǒng)計(jì)模型實(shí)現(xiàn)，主要采用平均移動(dòng)，波動(dòng)分析,偏差分析和相對(duì)差異率分析來(lái)實(shí)現(xiàn)經(jīng)濟(jì)環(huán)境特征指標(biāo)的抽取。 n （2）前饋神經(jīng)網(wǎng)絡(luò)模型經(jīng)濟(jì)環(huán)境特征指標(biāo)預(yù)測(cè)： n 由前饋神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)，它實(shí)現(xiàn)經(jīng)濟(jì)環(huán)境特征指標(biāo)的時(shí)間序列預(yù)處理分析，給出了未來(lái)經(jīng)濟(jì)環(huán)境特征指標(biāo)的時(shí)間序列預(yù)測(cè), 通過(guò)它實(shí)現(xiàn)對(duì)未來(lái)經(jīng)濟(jì)環(huán)境特征指標(biāo)的預(yù)測(cè)、分析處理。 n （3）自組織神經(jīng)網(wǎng)絡(luò)模型的對(duì)于經(jīng)濟(jì)環(huán)境特征指標(biāo)的可視化表示: n 由自組織特征映射(SOM) 神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn), 它對(duì)經(jīng)濟(jì)環(huán)境特征指標(biāo)進(jìn)行可視化表示，實(shí)現(xiàn)對(duì)于政策因素和人為因素離散指標(biāo)的分類可視化表示。 n （4）混合神經(jīng)網(wǎng)絡(luò)模型作為經(jīng)濟(jì)環(huán)境特征指標(biāo)與稅收數(shù)據(jù)關(guān)系的決策模型： n 由

5、混合結(jié)構(gòu)專家神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)，它實(shí)際上是經(jīng)濟(jì)環(huán)境特征指標(biāo)與稅收數(shù)據(jù)關(guān)系的決策系統(tǒng)，由它實(shí)現(xiàn)對(duì)于經(jīng)濟(jì)環(huán)境特征指標(biāo)與稅收數(shù)據(jù)間關(guān)系的分析。 n （5）適應(yīng)性智能處理模型： n 用作為對(duì)預(yù)測(cè)分析處理的數(shù)據(jù)進(jìn)行決策分析，綜合集成與匹配，產(chǎn)生最終的預(yù)測(cè)、決策的結(jié)果，統(tǒng)計(jì)圖表和圖表的比較。 關(guān)鍵技術(shù)方法n 二：決策樹(shù)n 決策樹(shù)（decision tree）學(xué)習(xí)是以實(shí)例為基礎(chǔ)的歸納學(xué)習(xí)算法。它著眼于從一組無(wú)次序、無(wú)規(guī)則的事例中推理出決策樹(shù)表示形式的分類規(guī)則。它采用自頂向下的遞歸方式，在決策樹(shù)的內(nèi)部結(jié)點(diǎn)進(jìn)行屬性值的比較并根據(jù)不同的屬性值判斷從該結(jié)點(diǎn)向下的分支，在決策樹(shù)的葉結(jié)點(diǎn)得到結(jié)論。所以從根到葉結(jié)點(diǎn)的一條路

6、徑就對(duì)應(yīng)著一條合取規(guī)則，整棵決策樹(shù)就對(duì)應(yīng)著一組析取表達(dá)式規(guī)則?；跊Q策樹(shù)的學(xué)習(xí)算法的一個(gè)最大的優(yōu)點(diǎn)就是它在學(xué)習(xí)過(guò)程中不需要使用者了解很多背景知識(shí)(這也同時(shí)是它最大的缺點(diǎn))，只要訓(xùn)練例子能夠用屬性-結(jié)論式的方式表達(dá)出來(lái)，就能使用該算法來(lái)學(xué)習(xí)。 n 一棵決策樹(shù)的內(nèi)部結(jié)點(diǎn)是屬性或?qū)傩缘募?，葉結(jié)點(diǎn)是所要學(xué)習(xí)劃分的類，下面將內(nèi)結(jié)點(diǎn)的屬性稱為測(cè)試屬性。當(dāng)經(jīng)過(guò)一批訓(xùn)練實(shí)例集的訓(xùn)練產(chǎn)生一棵決策樹(shù)，決策樹(shù)可以根據(jù)屬性的取值對(duì)一個(gè)未知實(shí)例集進(jìn)行分類。使用決策樹(shù)對(duì)實(shí)例進(jìn)行分類的時(shí)候，由樹(shù)根開(kāi)始對(duì)該對(duì)象的屬性逐漸測(cè)試其值，并且順著分支向下走，直至到達(dá)某個(gè)葉結(jié)點(diǎn)，此葉結(jié)點(diǎn)代表的類即為該對(duì)象所處的類。 關(guān)鍵技術(shù)方法n 三:支持向量機(jī) 支持向量機(jī)（Support Vector Machine, SVM）