应用Benford法则和Apriori算法对海量数据的审计分析

随着信息时代的飞速发展,被审计单位财务和业务数据量爆炸式增长,审计技术必须不断发展和创新以适应信息时代审计的新要求。本文在这一背景下,对审计技术的创新作了探索性的研究,主要通过Benford法则和Apriori算法的关联数据挖掘的技术手段在审计中的应用,探讨了如何在被审计单位海量数据中进行挖掘分析,从而发现有业务意义的强规则,通过这些强规则解释数位发生偏离的原因,从而快速发现审计疑点。     

关联规则算法探讨

文章对关联规则的发展进行了简单的介绍，分析了关联规则的经典算法，介绍进了一种新的关联规则算法，并对这三种算法在挖掘关联规则的特点进行了对比分析，最后对关联规则以后的发展进行了总结。     

基于关联规则挖掘的Q-CFIsL算法在网络入侵检测系统中的应用

针对关联规则挖掘算法在处理海量数据的过程中存在效率低、需要反复访问数据库等问题,以及在入侵检测系统产生误报、效率低下等问题,文章提出了基于关联规则挖掘的Q-CFIsL算法,设计了基于Q-CFIsL算法的入侵警报检测系统模型。实验证明,Q-CFIsL算法在减少入侵警报的数量和降低误报率等方面明显优于其他算法。     

关联规则挖掘技术发展及应用

本文主要介绍了关联规则挖掘的主要内容和最新进展。对关联规则的各种挖掘算法进行比较，分析了关联规则挖掘的各种扩展和改进模型，最后简单介绍关联规则的应用。     

基于关联规则挖掘的Q-CFIsL算法在网络入侵检测系统中的应用

针对关联规则挖掘算法在处理海量数据的过程中存在效率低、需要反复访问数据库等问题,以及在入侵检测系统产生误报、效率低下等问题,文章提出了基于关联规则挖掘的Q—CFIsL算法,设计了基于Q—CHsL算法的入侵警报检测系统模型。实验证明,Q-CFIsL算法在减少入侵警报的数量和降低误报率等方面明显优于其他算法,     

内部控制审计强制规则对会计信息价值相关性的影响研究

我国内部控制审计经历了由自愿规则至强制规则的转变,以2007—2021年内部控制审计上市公司为样本,研究不同规则下内部控制审计与会计信息价值相关性之间的关系。研究发现：相对于自愿规则,强制规则减弱了会计信息价值相关性;强制规则在审计意见类型和审计模式对会计信息价值相关性的影响程度上有所不同。盈余质量、机构投资者和分析师关注均可以缓解强制规则对会计信息价值相关性的负向影响。研究结论表明在当前强制规则下,上市公司在加强内部控制建设以获取无保留审计意见的同时,还应关注独立审计模式带来的增量价值;提高盈余质量,充分发挥机构投资者和分析师的作用,也有助于缓解信息不对称,提高会计信息价值相关性。     

关联规则挖掘技术发展及应用

本文主要介绍了关联规则挖掘的主要内容和最新进展,对关联规则的各种挖掘算法进行比较,分析了关联规则挖掘的各种扩展和改进模型,最后简单介绍关联规则的应用.     

关联规则中支持度变化的数据重挖掘算法研究

使用关联规则进行数据挖掘时,使用者为了达到一定的挖掘效果,经常需要不断地改变关联规则的支持度阈值(support)。文中提出了一种从大型数据库中挖掘关联规则的快速算法。该算法以经典的Apriori算法为基础,可以在提出新的支持度后,直接在首次挖掘的基础上进行再一次挖掘。结果表明,它较Apriori算法的实现速度有明显的提高。     

关联规则挖掘Apriori算法的研究

关联规则反映了大量数据中项集之间的相互依存性和关联性。Apriori算法是关联规则挖掘中的经典算法。本文在对Apriori算法分析的基础上,针对该算法存在的缺陷,即会产生大量冗余的候选集并频繁扫描数据库,提出了改进的Apriori算法,并给予验证。实践证明,改进后的算法效率优于传统的算法。     

浅谈Apriori算法

随着大量数据不断收集和存储,许多业界人士对于从他们的数据库中挖掘关联规则越来越感兴趣。Apriori算法就是经典的关联挖掘算法,文章分析了Apriori的算法思想、算法具体方法及其不足。     

数据挖掘技术在汽车保险中的应用

介绍数据挖掘中的关联规则挖掘技术在汽车保险中的实际应用,关联规则分析汽车保险中的风险因素与赔付率之间的关系。得出的关联规则对车险行业的决策和发展有一定参考指导意义。     

基于审计数据质量控制的数据挖掘应用

逻辑结构与信息本身相分离的特性,使得电子审计数据在真实性、完整性、一致性和有效性等方面难以满足审计工作对数据质量的要求。而利用分类、聚类、关联规则等数据挖掘技术可以控制和提升审计数据质量,提高电子审计效率。     

基于关联规则Apriori算法的学生成绩分析

关联规则挖掘是数据挖掘领域研究的热点问题,其中Apriori算法是经典的关联规则算法。将关联规则Apriori算法应用到学生成绩分析中,挖掘出课程与课程之间的相互关系,寻找各方面影响学生成绩的因素,发现隐藏在数据背后有价值的信息,从而为学生选课和教师教学以及教学管理工作等提供辅助性的建议与决策。     

基于规则型挖掘的油料装备知识发现研究

在基于知识的油料装备设计过程中,利用知识发现的方法实现油料装备知识的自我繁衍,对丰富油料装备知识库,提高油料装备的自动化设计水平具有重要意义。运用规则型挖掘技术中的Apriori算法挖掘出油料装备功能性需求数据中的关联规则,并将其存入知识库。这些关联规则,直接揭示了隐含在油料装备功能需求数据间的规律,为油料装备的功能设计决策提供了依据。     

基于Apriori算法的一种改进异常入侵检测模型的研究

近年来网络入侵检测系统成为计算机系统安全架构的关键性问题。异常攻击检测效果差是现有系统目前遇到的首要问题。因此,基于数据挖掘技术提出一种模型来预测新颖的攻击并实时生成防火墙规则。运用了Apriori算法来创建一个自动防火墙规则发生器用以监测新的异常攻击。结果表明改进后的算法高效的提高异常入侵检测系统的性能。     

数据挖掘中关联规则算法在教学评价系统中的应用

教学评价系统是为了检测、控制教学质量,将决策树、关联规则等引入教学评价系统,从对数据分析的角度去研究能影响教学质量的主体及过程等因素,从而分析出适合教学评价的发现方法,应用于教学评价,能够将教学评价技术水平提升,更好地为教学服务。     

通信设备告警关联规则挖掘探索——Apriori算法的应用

随着通信行业的蓬勃发展,运营商给用户提供的服务水平也不断提高,因此也给通信设备的维护工作提出了更高的要求。在移动网管领域中,设备告警的监控及处理工作始终都是至关重要的工作之一,最近几年网管系统已经实现了设备告警关联呈现,但告警关联功能是依赖于设备告警的关联规则的,目前告警关联规则都是靠维护人员的经验总结出来的,如何能够经过分析自动发现未知的告警关联规则是亟待解决的问题。运用Apriori算法通过对大量历史告警数据的分析可以实现挖掘告警数据中的频繁项集最终发现告警关联规则。     

论独立审计准则的法律性质与其制度价值

文章以哈耶克的二元社会秩序理论为依据,探讨了独立审计准则的法律性质。认为独立审计准则是注册会计师行业的内部规则,不能调整注册会计师与利害关系人之间的外部法律关系,不能作为注册会计师审计失败的抗辩依据,其制度价值在于总结行业执业经验,提高审计质量,维护职业声誉与职业生存。     

金属期货与现货市场价格互动关联规则挖掘研究

期货市场传递的价格信息反映未来供求状况的预期,因此,研究金属期货和现货市场价格互动,对于国民经济发展、企业规避价格风险、投资者进行投资决策及政府进行市场监管都有重要意义。本文将数据挖掘中的关联规则挖掘方法引入金融时间序列分析研究领域,针对挖掘对象期货市场的特点,提出基于时间约束的时间序列关联规则挖掘算法。与传统的忽视数据时间信息的关联规则挖掘算法相比,该算法对期货价格与现货价格间的互动关联规则进行挖掘,能发现反映时间序列局部动态互动关联关系,具有一定的短期预测效果。     

新旧社会审计规范的可拓分析

文章基于可拓学的集合理论和逻辑推理,通过全面分析社会审计规范与企业运营规则的矛盾问题,解析了经济条件的蕴含规则,社会审计规范的可扩性变革,及其同企业运营规则的相关网与发散演进和二者互动转换与矛盾解决,以共轭对理论分析了社会审计规范与企业运营规则的动态目标和形式必然,最终形成了社会审计规范发展目标的认识。