基于数据挖掘技术的审计抽样系统开发和研究

论文摘要

随着计算机技术的日益普及,它替代手工核算的优越性也不言而喻,会计电算化和业务数据电子化在许多单位开始了广泛运用。对被审计单位财务和业务数据的抽样审计是日常审计工作开展的基础,随着数据信息化,如何从大量的、杂乱无章的海量数据中发现潜在的有用的信息变得致关重要。因此,如何从这些海量的数据中找出有真正有价值的东西,为审计人员提供发现问题的线索和依据,成了目前许多审计机关迫切需要解决的问题。本文针对作者参与研究和开发的审计抽样系统进行了详细的描述,并通过数据挖掘技术将审计分层抽样分析技术提升到了一个新的领域。本文的主要研究内容包括:1.对数据挖掘相关概念与现状进行了阐述,并对审计抽样的相关内容以及审计抽样系统在国内和国际的发展现状,以及数据挖掘技术在审计抽样系统中的意义做了分析。其次对审计抽样系统开发所需的聚类和关联规则相关技术进行了详细的介绍,并结合审计抽样系统的开发,介绍了数据挖掘技术在审计抽样中的实现过程以及影响。2.通过对数据挖掘过程的分析,结合审计抽样系统数据挖掘应用实际,提出改进的CRISP-DM数据挖掘模型。然后在对审计抽样系统设计时采用引入AJAX技术的改进MVC模式,该模式利用EXTJS框架用来创建一个与后台技术无关的前端用户界面;通过EXTJS可以更加方便和快捷地完成视图层的工作;通过AJAX可以最大程度的减少冗余请求、减轻对服务器造成的负担、无需刷新更新页面以及减少用户心理和实际的等待时间。3.利用作者提出的基于优化K-means的改进算法对传统审计分层抽样算法进行改进,在保证层次抽样数据代表性的前提下,不但降低了审计抽样样本的数量,而且提高了审计抽样的准确性。采用Aprioir关联分析模型对被审计单位的抽样数据进行关联分析,找出经济责任审计和固定资产投资审计中高风险审计项目,为审计人员挑选重点审计对象提供有用信息,提高了审计质量。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 数据挖掘概念与现状
• 1.1.1 数据挖掘概念
• 1.1.2 数据挖掘现状
• 1.2 审计抽样的概述及现状
• 1.2.1 审计抽样的概述
• 1.2.2 审计抽样系统的现状
• 1.2.3 数据挖掘在审计抽样系统中的意义
• 1.3 主要工作
• 1.4 本章小结
• 2 审计抽样系统中的技术综述
• 2.1 聚类数据挖掘
• 2.1.1 聚类的定义
• 2.1.2 聚类分析的应用
• 2.1.3 聚类分析的数据类型
• 2.1.4 主要聚类算法分类
• 2.2 关联规则数据挖掘
• 2.2.1 关联规则挖掘技术的产生
• 2.2.2 关联规则的基本概念
• 2.2.3 关联规则挖掘经典算法
• 2.2.4 FP-growth算法
• 2.3 审计抽样系统数据挖掘过程
• 2.4 审计抽样系统对审计抽样的影响
• 2.5 本章小结
• 3 审计抽样系统的数据挖掘模型分析
• 3.1 数据挖掘过程模型
• 3.1.1 数据挖掘过程模型简介
• 3.1.2 数据挖掘过程模型SA
• 3.1.3 数据挖掘过程模型SEMMA
• 3.2 CRISP-DM模型
• 3.2.1 CRISP-DM模型简介
• 3.2.2 CRISP-DM模型
• 3.2.3 改进的CRISP-DM模型
• 3.3 审计抽样系统数据挖掘分析过程
• 3.4 本章小结
• 4 审计抽样系统设计与实现
• 4.1 审计抽样系统概述
• 4.2 审计抽样系统关键技术
• 4.2.1 AJAX技术
• 4.2.2 EXTJS
• 4.2.3 MVC设计模式
• 4.2.4 引入AJAX的改进MVC模式
• 4.3 审计抽样系统需求分析
• 4.3.1 审计抽样系统业务分析及业务流程
• 4.3.2 审计抽样系统数据流程
• 4.3.3 审计抽样系统功能分析
• 4.3.4 审计抽样系统数据库设计
• 4.4 审计抽样系统功能实现
• 4.5 本章小结
• 5 数据挖掘技术对审计分层抽样方法的改进和应用
• 5.1 基于优化K-means算法的审计分层抽样算法研究
• 5.1.1 K-means算法
• 5.1.2 分层抽样
• 5.1.3 原始分层抽样的弊端
• 5.1.4 改进算法在分层抽样中的应用
• 5.1.5 改进算法在审计抽样系统应用实例
• 5.1.6 改进K-means算法对审计抽样的影响
• 5.2 基于关联规则的审计抽样数据挖掘
• 5.2.1 几种改进Apriori算法的思想
• 5.2.2 利用关联规则分析审计要素之间的关联关系
• 5.2.3 结论
• 5.3 本章小结
• 6 结论与展望
• 6.1 结论
• 6.2 展望
• 参考文献
• 致谢
• 在读期间所发表的论文