审计监测指标发现与提取技术研究与应用

发布时间：2017-10-17 09:11

  本文关键词：审计监测指标发现与提取技术研究与应用

  更多相关文章： 社会保障审计 监测指标 聚类 关联规则 最小规则覆盖集

【摘要】：数据挖掘是机器学习领域重要的技术之一，也是知识发现的一个重要过程。其目的就是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取或挖掘隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识。现有计算机审计方法零散，均是人工手动处理和分类，且社保审计监测指标的发现和提取工作也是人工手动进行，使得审计经验的共享程度比较低，为审计工作者带来了诸多不便。 本文在总结数据挖掘技术的国内外研究现状和研究成果的基础上，介绍了数据挖掘相关技术和理论知识，特别是关联规则分析技术和聚类分析技术；针对现有社保审计词库的不足，使用新词的识别算法，给出了社保审计词库的动态更新过程；并在此基础之上，以社会保险审计方法集为实验数据集，针对聚类算法中经典k-均值算法的两大缺陷，首次给出了关联规则分析技术中最小规则覆盖集的概念，，并提出了基于最小规则覆盖集的K-均值改进算法，有效地改善了聚类效果，并成功应用于审计监测指标发现和提取过程中，从而进一步研究社保审计监测指标的发现和提取方法；审计监测指标发现和提取系统也应运而生，为后期的审计工作奠定了良好的基础。
【关键词】：社会保障审计 监测指标 聚类 关联规则 最小规则覆盖集
【学位授予单位】：哈尔滨工程大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：F239.1;TP311.13
【目录】：

• 摘要5-6
• Abstract6-9
• 第1章 绪论9-14
• 1.1 研究背景及意义9-10
• 1.1.1 研究背景9
• 1.1.2 研究意义9-10
• 1.2 国内外研究现状10-12
• 1.2.1 基于聚类的关联规则分析技术10
• 1.2.2 基于关联规则的聚类分析技术10-11
• 1.2.3 文本聚类分析技术11
• 1.2.4 关联规则分析技术11-12
• 1.3 论文组织结构12-14
• 1.3.1 论文主要研究内容12-13
• 1.3.2 论文内容安排13-14
• 第2章 数据挖掘相关理论14-19
• 2.1 数据挖掘技术14-16
• 2.2 关联规则分析技术16
• 2.3 聚类分析技术16-18
• 2.3.1 聚类分析技术16-17
• 2.3.2 聚类效果评估指数17-18
• 2.4 本章小结18-19
• 第3章 社保审计领域词库的动态更新19-25
• 3.1 社保审计领域词库构建19-20
• 3.2 社保审计领域词库动态更新过程20-22
• 3.3 社保领域新词识别算法22-24
• 3.4 本章小结24-25
• 第4章 审计监测指标的发现和提取25-47
• 4.1 k-均值算法及其局限性25-27
• 4.1.1 k-均值算法作为基础算法的原因25-26
• 4.1.2 k-均值算法的局限性26-27
• 4.2 基于最小规则覆盖集的 k-均值算法改进27-34
• 4.2.1 基于最小规则覆盖集的 k-均值改进算法28-31
• 4.2.2 改进算法举例31-34
• 4.3 审计监测指标发现和提取过程及实验分析34-46
• 4.3.1 实验数据集35-36
• 4.3.2 审计方法文本分词36-37
• 4.3.3 审计方法空间向量表示37-39
• 4.3.4 审计方法相似度函数定义39-40
• 4.3.5 关联规则分析40-43
• 4.3.6 聚类分析43-45
• 4.3.7 审计监测指标的发现与提取45-46
• 4.4 本章小结46-47
• 第5章 系统设计47-56
• 5.1 概要设计47-49
• 5.2 详细设计49-51
• 5.3 系统工作流程及模块功能设计51-55
• 5.3.1 审计方法导入模块52-53
• 5.3.2 审计方法分词模块53
• 5.3.3 词频统计模块53-54
• 5.3.4 审计方法聚类分析模块54-55
• 5.3.5 审计监测指标发现和提取模块55
• 5.4 本章小结55-56
• 结论56-57
• 参考文献57-61
• 攻读硕士学位期间发表的论文和取得的科研成果61-63
• 致谢63

【参考文献】

中国期刊全文数据库 前10条

1 马莉;杜鹃;;一种生成最小关联规则集的算法[J];电脑知识与技术;2011年03期

2 蔡勇智;;未登录词识别算法的改进[J];福建电脑;2006年03期

3 王慧;郑涛;张建岭;;基于聚类的关联规则算法在刑事犯罪行为分析中的应用[J];中国人民公安大学学报(自然科学版);2010年03期

4 阮备军,朱扬勇;基于商品分类信息的关联规则聚类[J];计算机研究与发展;2004年02期

5 宋威;杨炳儒;徐章艳;高静;;一种改进的频繁闭项集挖掘算法[J];计算机研究与发展;2008年02期

6 梁成军;虞丽娟;王继红;;网球技战术关联分析数据挖掘研究[J];计算机工程与应用;2012年07期

7 龙昊;冯剑琳;李曲;;R-means:以关联规则为簇中心的文本聚类[J];计算机科学;2005年09期

8 马光志,崔荣晓;基于覆盖运算挖掘最小规则集[J];计算机工程与科学;2005年06期

9 曲守宁;王钦;邹燕;朱强;;基于关联规则的文本聚类算法的研究[J];计算机应用研究;2008年04期

10 王清毅,蔡智,邹翔,蔡庆生;部分数据缺失环境下的知识发现方法[J];软件学报;2001年10期

本文编号：1047972