论文部分内容阅读
针对财务舞弊判别的需求,文中对异常财务数据的智能识别方法进行了研究,建立基于数据挖掘思想的数据分析模型。该模型从时间序列处理的角度出发,引入动态时间规整算法进行时间序列相似度的计算。计算完成后,在算法的搜索过程中,X轴上的特征向量无需再与Y轴点对应的特征向量比对,而是与[ymin,ymax]内的特征向量进行比对;时间标号前进时,只需关注前一列累计的距离,不用再保存所有的距离矩阵,大幅度节省了算法运行时所需的内存空间。在采用动态时间规整算法计算时间序列的间距后,使用K邻近算法得到财务序列的分类结果。为了评估算法的综合性能,文中使用朴素贝叶斯分类算法作为对照进行实验。仿真结果表明,所提算法每一组数据识别的正确率均在80%以上,且每组数据的识别正确率均明显高于朴素贝叶斯算法。