面向?qū)徲?jì)風(fēng)險管理的聚類算法研究.pdf

1、聚類是數(shù)據(jù)挖掘中一種深層次的數(shù)據(jù)分析方法,在數(shù)據(jù)探索、識別數(shù)據(jù)的內(nèi)在結(jié)構(gòu)和經(jīng)濟(jì)分析等方面具有極其重要的作用,已成為數(shù)據(jù)挖掘、統(tǒng)計(jì)學(xué)和機(jī)器學(xué)習(xí)等領(lǐng)域的重要研究方向。聚類可以較好地發(fā)現(xiàn)數(shù)據(jù)中潛在的規(guī)律和聯(lián)系,將其應(yīng)用于審計(jì)風(fēng)險管理的研究中,能給審計(jì)人員提供審計(jì)依據(jù)和判斷,對提高審計(jì)效率和結(jié)果質(zhì)量、降低審計(jì)風(fēng)險和改善審計(jì)風(fēng)險管理環(huán)境都具有重要作用。因此,深入研究聚類技術(shù)在審計(jì)風(fēng)險管理中的應(yīng)用將具有較高的理論意義和十分重要的應(yīng)用前景。
　

2、　 本文比較全面地介紹了聚類在審計(jì)風(fēng)險管理應(yīng)用的研究現(xiàn)狀,總結(jié)了聚類和審計(jì)風(fēng)險管理的基本概念及知識體系,并重點(diǎn)探究了審計(jì)風(fēng)險管理中的數(shù)據(jù)疑點(diǎn)和抽樣風(fēng)險對審計(jì)工作產(chǎn)生的影響,提出了一種基于聚類技術(shù)的解決方案。結(jié)合相關(guān)研究成果,設(shè)計(jì)并實(shí)現(xiàn)了一個基于聚類的審計(jì)挖掘系統(tǒng)。
　　 論文的主要研究成果包括以下幾個方面:
　　 1、總結(jié)了數(shù)據(jù)挖掘及聚類在審計(jì)風(fēng)險管理中的研究現(xiàn)狀,詳細(xì)介紹了聚類和審計(jì)風(fēng)險管理的知識體系,探討了聚類技術(shù)

3、在審計(jì)風(fēng)險管理中的應(yīng)用。
　　 2、深入分析了劃分算法K-means和層次算法CURE,提出了一種基于劃分和層次的混合動態(tài)聚類算法。該算法首先使用劃分聚類快速生成一定數(shù)量的子簇,然后根據(jù)整體相似度對測試樣本進(jìn)行自動聚類,并適時剔除孤立點(diǎn)。實(shí)驗(yàn)表明該方法具有較高的準(zhǔn)確率,并能夠有效地減少樣本訓(xùn)練時間。
　　 3、針對抽樣審計(jì)方法在大規(guī)模數(shù)據(jù)集特征不明顯情形下對審計(jì)風(fēng)險評估不可靠的問題,將聚類技術(shù)引入到分層抽樣中,提出了一種

4、基于聚類技術(shù)的審計(jì)分層抽樣算法。該算法通過改進(jìn)聚類算法中的K-means算法,對審計(jì)抽樣中的分層抽樣算法進(jìn)行優(yōu)化,在保證層次抽樣數(shù)據(jù)代表性的前提下,不但縮小審計(jì)抽樣的樣本量,縮短審計(jì)抽樣的時間,而且降低審計(jì)風(fēng)險,提高審計(jì)效率。
　　 4、在分析了Java平臺組件開發(fā)技術(shù)的基礎(chǔ)上,綜合所提出的改進(jìn)算法,設(shè)計(jì)并實(shí)現(xiàn)了一個基于J2EE多層體系結(jié)構(gòu)的審計(jì)數(shù)據(jù)挖掘系統(tǒng)。該系統(tǒng)功能包括數(shù)據(jù)的提取、數(shù)據(jù)預(yù)處理、聚類分析挖掘和挖掘結(jié)果的表示等。