论文部分内容阅读
社会保险审计是关乎国计民生的重大事情。有效的审计措施能够及时发现社会保险缴纳是够违规,来维护劳动者的合法权益。目前审计手段主要有人工审计和计算机审计。其中人工审计主要方法为抽样审计,人工审计相对滞后且费时费力,而抽样审计则存在盲目性,漏洞较多。计算机审计方面主要是采用审计系统,虽然在一定程度上提高了审计效率但是审计精确度较低。面对海量社保审计数据,传统人工审计方法和计算机审计方法显得捉襟见肘。数据挖掘能从海量数据中挖掘有用的知识,因此研究学者开始应用数据挖掘的方法来对审计数据进行分析。在数据挖掘中有多种方法,其中聚类分析具有伸缩性强、对领域知识依赖性弱、受噪声影响小等优点。因此本文采用聚类来分析社保审计数据。传统聚类算法虽然实现简单、使用方便,但是较易陷入局部最优解,且在非凸空间聚类效果较差。谱聚类算法根据谱图划分理论,对数据进行谱映射,在任意样本空间有较好的鲁棒性,因此本文采用谱聚类算法来解决传统聚类算法存在的问题。本文深刻分析了谱聚类算法,提出传统谱聚类算法虽然能够解决一些问题,但是仍然需要人工方法输入聚类分组数K值。聚类分组数的确定至关重要,急需对传统谱聚类算法进行优化。针对传统谱聚类算法的优化需求,本文深入研究和分析了人工免疫系统。在此基础之上提出了一种基于人工免疫的自适应谱聚类算法,实现了聚类分组数的自动获取,提高了聚类效果。该算法模拟了抗体的克隆变异,经过初次免疫应答和二次免疫应答,完成了抗体对抗原的免疫识别。实现算法之后在一些常用数据集上进行了实验,并与传统谱聚类、遗传算法的实验结果进行了对比,验证了基于人工免疫的自适应谱聚类算法的可行性和稳定性。本文对社保审计数据特点进行了分析之后,发现还需对算法做出进一步改进,因此本文在基于人工免疫的自适应谱聚类算法的基础上做出改进,根据数据的属性对数据分析的贡献大小不同,对数据属性加权,加入了一定的专家知识,提出了一种基于半监督的自适应谱聚类算法。本文对社保审计数据进行了属性选择、数据填补、数据合并、分类属性转换等预处理之后,用基于半监督的自适应谱聚类算法对预处理好的数据进行了分析,分别得出了各项指标是否违规的结论,并与专家实际标注的结果进行了对比分析,得出了算法准确率。本文还将上述算法的结果与传统谱聚类、遗传算法在社保数据上的实验结果进行了对比,得出该算法具有较高的稳定性。最后把实验结果进行归纳整理出一些规则,并且同当地的政策进行对比,其结果基本吻合,进一步验证了该算法的优点。