数据挖掘技术与其聚类方法在审计中的应用

《数据挖掘技术与其聚类方法在审计中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、数据挖掘技术及其聚类方法在审计中的应用3．5．1OPTICS的思想⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯283．5．2OPTICS算法的实现⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯29第四章数据挖掘在审计中的应用⋯⋯⋯．⋯⋯⋯。⋯⋯．⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．334．1系统设计方案⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯334．2系统功能介绍⋯⋯⋯⋯⋯⋯。⋯⋯．．：⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯：⋯⋯⋯⋯⋯⋯⋯354．2．1系统部分功能流程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一354。2．2系统界面开发⋯⋯⋯

2、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．394．3数据测试⋯⋯⋯⋯⋯⋯⋯⋯．．．⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．45第五章结论与展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯49参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．51致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．55II济南大学硕士学位论文摘要在审计行业，审计的作用就是鉴定财务报表在一些重要方面是否能够公平的反映出被审计单位的一些财务信息。如今的数据量非常庞大，面对这些大

3、量待审计数据，如何使审计人员能够快速的从中发现有用的信息，并用来辅助审计工作，便成了当今审计研究的一个新方向。本文首先介绍了当今审计的特点及数据挖掘技术及其聚类算法的特点，基于聚类算法的优点，采用了聚类算法来实现提高审计效率的目的，然后通过对DBSCAN、OPTICS等几种经典的聚类算法的研究和理解，采用NetBeans开发工具开发设计了数据挖掘系统，最后采用大量待审计数据进行测试，实现了数据聚类功能。本系统主要是采用DBSCAN算法对待审计数据进行聚类分析，另外也实现了OPTICS和K．平均算法可以对数据进行聚类分析，通过对聚类结果进行分

4、析对比，增强准确性。本系统可以读取文本或数据库中存储的多维待审计数据，通过利用待审计数据对系统进行测试，实现了将相关数据进行聚类找出孤立点。审计人员对于聚类后的各类数据可分别进行抽查，抽查结果合理，不需要全部检查，减轻审计人员的工作量。反之，抽查数据存在问题，就需要对此类数据严格审查。另外，由于数据实现了聚类，也能够分析各类数据总体情况，分析各类数据的合理性。对于孤立点，说明该数据不合常规，需要重点关注。因此，利用本系统能够辅助审计人员完成审计工作，降低劳动强度。关键词：数据挖掘；聚类分析；审计III数据挖掘技术及其聚类方法在审计中的应用I

5、V济南大学硕士学位论文AbstractIntheauditingprofession，theroleoftheauditistoidentifythefinancialstatementswhetherinsomeimportantrespectsfairandreflecttheauditedentityfinancialinformation．Today,averylargeamountofdata，andhowtomaketheauditstafftoquicklyfindusefulinformationfromthefaceofa

6、largenumberofpendingauditdata，andusedtoassisttheauditwork，hasbecomeanewdirectionintheauditoftoday．Thispaperintroducesthecharacteristicsoftoday’Sauditingfeaturesanddatamimngtechnologyanditsclusteringalgorithm，basedontheadvantagesofclusteringalgorithm，usingaclusteringalgorit

7、hmtoachievethepurposeoftheauditefficiency,andthenthroughseveralclassicDBSCAN，OPTICSresearchandunderstandingoftheclusteringalgorithm，usingNetBeansdevelopmenttooldevelopmentanddesignofthedataminingsystem，andfinallyalargenumberoftestdatatobeauditdataclustering．ThesystemDBSCAN

8、algorithmtreatauditdataclusteringanalysis，OPTICSandK．meansalgorithmclusteranalysisoftheda