税务稽查选案是对纳税人纳税诚信情况的认识和判断，其研究结果直接影响税务稽查计划的合理制定，是税收学的重要研究领域。但是，传统选案方法主要建立在专家经验或简单的统计学模型，难以反映纳税人纳税申报情况和偷逃税行为之间高度的非线性关系，无法满足选案的客观要求。为此需要引进数据挖掘技术对纳税人是否诚信纳税进行判断。本文主要研究内容包括：粗糙集方法在税务稽查选案指标选择中的应用研究。由于选案指标之间存在相关性和冗余，在介绍粗糙集理论和方法的基础上，给出用于指标选择的约简算法。建立基于粗糙集—LVQ神经网络的税务稽查选案模型。该模型综合了粗糙集在属性约简方面的能力和神经网络对非线性问题较强的适应性。通过粗糙集提取关键指标，不仅可以减少神经网络学习所需的数据量，提高选案系统潜在知识的清晰度，同时使神经网络有较好的泛化能力和分类精度。将上述研究应用于中国税收征管信息系统(CTAIS：China Taxation Administration Information System)省级数据集中平台，实现了基于粗糙集一LVQ神经网络的税务稽查选案原型系统。在稽查局选案工作的实际应用过程中，取得了较高的选案准确率。目前，系统已得到了实际应用，效果良好。