面向审计领域的关联规则分析技术研究 (1)

《面向审计领域的关联规则分析技术研究 (1)》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、面向审计领域的关联规则分析技术研究一LlrI———————————————————iIiiii置ii宣摘要关联规则是数据挖掘领域一个重要的研究课题，其目的就是在数据库中发现数据项之间的隐含关联。在研究正、负关联规则挖掘的基础上，将挖掘算法应用于社保审计领域，获得隐含在审计数据中的特征影响因子，进而挖掘审计数据项间带有负项的关联规则，分析其内在的审计意义，将有助于审计方法的改进。本文在总结国内外相关领域研究成果的基础上，介绍了数据挖掘和关联规则的基本理论，包括数据挖掘的基本流程、关键技术、关联规则的分类方法以及正、负关联规则的基本概念，并结合多种知识探讨关联规则的正确性问

2、题；对结构化数据的预处理问题，在总结和深入研究的基础上，对数据清理和转换问题进行了探讨；针对审计特征影响因子挖掘问题，提出了一种基于散列表的挖掘算法：MI-IP算法，从而将频繁项集挖掘与审计特征影响因子发现过程相结合，并应用于社保审计数据集，对算法的性能和挖掘结果进行分析；分析了正、负关联规则挖掘算法中的一种典型挖掘算法：PNARC算法，针对算法中不足之处，提出了一种基于最小相关度和双重置信度的PNARM算法，并对算法的性能进行了实验验证；将两种算法应用于审计数据集，挖掘审计数据间带有负项的关联规则，并对挖掘结果进行解释，最终阐述其在审计上的重要意义。关键词：社会保障审

3、计，关联规则，审计特征影响因子，最小相关度哈尔滨工程大学硕士学位论文AbstractAssociationrulesisanimportantresearchtopicofdatamining，thepurposeofminingisfoundtheimplicitassociationbetweentheiteminthedatabase．Basedonthestudythepositiveandnegativeassociationrules，andapplieditsminingalgorithmtothefieldofsocialsecurityauditing

4、，accesstothefactorofauditcharacteristicshiddenintheauditdata，miningassociationruleswimnegativeitemsintheauditdata,analysisofitsinternalauditsignificanceandwillcontributetOtheimprovementofauditmethodology．Thisthesissummarizesresearchresultsinrelatedfieldsathomeandabroad，introducedthebasic

5、theoryofdataminingandassociationrules，includingthebasicprocessofdatamining，keytechnology,classificationofassociationrulesandthebasicconceptofnegativeassociationrules，anddiscussiontheaccuracyquestionsofassociationrulescombinedwithavarietyofknowledge．Forthepretreatmentproblemofstructuredda

6、ta,insummaryandin-depthstudybasedonthedatacleaningandconversionissueswerediscussed；Fortheproblemofminingthefactorofauditcharacteristicsintheauditdata，MHPalgorithmbasedonahashtablebeenproposed，thuscombinationthefrequentitemsetminingwinltheprocessdiscoveryofthefactorofauditcharacteristics，

7、andappliedtosocialsecurityauditdataset，analyzedtheperformanceofandtheresultsofthealgorithm；Analysisofatypicalthepositiveandnegativeassociationruleminingalgorithm：PNARCalgorithm，fortheinadequaciesofthealgorithm，aPNARMalgorithmbaseonminimumcorrelationanddoubleconfidencebeen