期刊文献+

机器学习背景下非现场审计模型的构建及应用 被引量:3

下载PDF
导出
摘要 随着信息技术的发展,企业业务系统日益完善,积累了大量的企业数据资产,而机器学习等新兴技术的出现,为处理海量数据带来了可能性,也为非现场审计提供了技术基础。应用机器学习技术创建相应的非现场审计模型,能够有效地提高审计工作的效率,扩宽审计覆盖面,并为加强审计监督提供了新途径。本文介绍了应用朴素贝叶斯和K-means聚类两种机器学习算法构建的非现场审计模型的原理及实践经验。
出处 《科技风》 2020年第18期148-149,151,共3页
  • 相关文献

参考文献3

二级参考文献22

  • 1[7]Han J, Kamber M. Data Mining: Concepts and Techniques. Beijing: High Education Press,2001.
  • 2[8]Agrawal R, ImielinSki T, and Swami A. Mining association rules between sets of items in large database .Proceeding of the ACM SIGMOD International Conference On Management of Data, 1993(2) :207~216.
  • 3[9]Agrawal, R Srikant. Fast algorithms for mining association rules. In: Proceedings of the 20th International Conference Very Large Data Bases (VLDB'94).Santiago, Chile, 1994. 487~499.
  • 4Continuous Auditing. http://raw.rutgers.edu/continuousauditing, 2004.
  • 5Aggarwal C C, Yu P S. Outlier detection for high dimensional data[A]. In: Aref, W. G, eds. Proceedings of the ACM SIGMOD International Conference on Management of Data[C].CA:ACM Press, 2001.
  • 6吕新民,王学荣.数据挖掘在审计数据分析中的应用研究[J].审计与经济研究,2007,22(6):35-38. 被引量:24
  • 7邓乃扬和田英杰,2004,《数据挖掘中的新方法-支持向量机》,科学出版社.
  • 8Cao, L. J. , F. E. H. Tay, 2003. " Support Vector Machine with Adaptive Parameters in Financial Time Series Forecasting" . IEEE Transactions on Neural Networks, 14 (6) : 33 -52.
  • 9Chen, A.S. , L.T. Mark, D. Hazem, 2003. "Application of Neural Networks to An Emerging Financial Market : Forecast and Trading the Taiwan Stock Index". Computer & Operation Research, 30:901 -923.
  • 10Jensen, R. , and Q. Shen, 2004. "Semantics - preserving Dimensionality Reduetion: Rough and Fuzzy - rough - based Approaches". IEEE Transactions on Knowledge and Data Engineering, 16 (12).

共引文献46

同被引文献28

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部