一个用于辅助审计的数据仓库的设计与实现

论文摘要

随着计算机应用的普及,我国绝大多数企事业单位实现了会计电算化,使得审计工作的对象发生了质的变化,对审计提出了更高的要求。目前的审计工作还不能适应这种变化。面对海量的被审计数据,审计人员很难有效地找出疑点并总结出可复用的审计经验。辅助审计的数据仓库的建立在一定程度上解决了上述问题。本文首先介绍了辅助审计的数据仓库的总体设计和系统结构,并描述了数据仓库管理器中数据准备模块和数据挖掘模块的设计方案和功能组成。在此基础上,重点介绍了数据准备模块中数据采集和数据预处理子模块的实现方法以及辅助审计的数据挖掘模型的设计和实现方法。随后,本文就系统中使用的数据挖掘算法进行了深入的研究和探讨,阐述了现有的数据聚类算法的优缺点。针对现有聚类算法的不足,本文提出了K-CURE层次聚类算法和LBCG网格密度聚类算法,并通过实验数据展示了算法的有效性。本文所介绍的用于辅助审计的数据仓库能完成对被审计数据的抽取、存储、转换、分析等工作,可以有效地帮助审计人员在海量数据中快速找出疑点和疑点的规律,促进了审计手段的革新,具有较强的实用价值。同时,本文对大容量数据的密度聚类算法和层次聚类算法的研究和改进,对促进同类问题的研究具有一定的理论价值和借鉴意义。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 课题背景
• 1.2 课题内容
• 1.3 课题意义
• 1.4 本文组织结构
• 第2章 相关技术和研究现状
• 2.1 OLAP 和数据仓库
• 2.1.1 OLAP 的基本概念和特点
• 2.1.2 OLAP 和OLTP
• 2.1.3 数据仓库的定义和特点
• 2.2 数据挖掘
• 2.2.1 数据挖掘的定义
• 2.2.2 数据挖掘和OLAP、数据仓库
• 2.3 研究及应用现状
• 2.3.1 OLAP 技术
• 2.3.2 数据仓库应用
• 2.3.3 数据挖掘方法
• 2.3.4 审计软件
• 第3章 辅助审计的数据仓库的总体框架
• 3.1 系统总体框架设计
• 3.2 数据准备模块
• 3.2.1 数据采集子模块
• 3.2.2 数据预处理子模块
• 3.3 数据挖掘模块
• 第4章 数据准备模块的设计与实现
• 4.1 设计思想来源
• 4.2 实现思路
• 4.3 主要功能的实现
• 4.3.1 数据字典管理
• 4.3.2 数据处理规则建模
• 4.3.3 配置和生成SQL 语句
• 4.3.4 执行过程并生成日志
• 4.3.5 视图与模型同步
• 第5章 辅助审计的数据挖掘处理模型的设计与实现
• 5.1 模型的设计
• 5.2 模型的实现
• 5.2.1 转换数据模式
• 5.2.2 评价数据获取评价值
• 5.2.3 对评价值的聚类分析
• 5.2.4 分析结果并发现规则
• 5.2.5 验证规则和反查“孤立点”
• 5.3 本章小结
• 第6章 相关聚类算法的研究与改进
• 6.1 聚类算法概述
• 6.1.1 聚类的定义和要求
• 6.1.2 聚类算法的典型分类
• 6.1.3 孤立点检测和分析
• 6.2 一种基于互连通性的网格密度聚类算法——LBCG 算法
• 6.2.1 算法思想来源
• 6.2.2 相关概念
• 6.2.3 算法思想
• 6.2.4 算法实现
• 6.2.5 时间、空间复杂度分析
• 6.2.6 实验结果分析
• 6.3 基于划分的层次聚类算法——K-CURE 算法
• 6.3.1 CURE 算法的思想
• 6.3.2 算法思想
• 6.3.3 算法实现
• 6.3.4 孤立点剔除时机选择
• 6.3.5 时间、空间复杂度分析
• 6.3.6 实验结果分析
• 6.4 本章小结
• 第7章 原型系统简介
• 7.1 运行环境
• 7.2 数据采集子模块主要功能演示
• 7.3 数据清洗部分主要功能演示
• 7.4 数据转换部分主要功能演示
• 7.5 数据挖掘模块主要功能演示
• 第8章 结束语
• 8.1 主要工作及特色
• 8.2 进一步研究方向
• 参考文献
• 攻读硕士学位期间公开发表的论文
• 致谢
• 详细摘要