【摘 要】
：
审计平台往往受到数据采集与转换算法影响,审计效率较低,无法满足基层审计机关审计需求.对此,构建一种基层审计机关大数据审计平台,并将其付诸应用.平台根据审计数据的采集与转化,得到反向文档频率;利用回归模型获取审计数据分析结果;采用历史经验生成审计准则,将审计数据中的异常信息标注出来,完成审计预警;通过机器学习中的朴素贝叶斯算法和Logistic回归模型,建立审计数据分析模型.利用大数据审计平台审计Q省公务支出公款消费作为案例,对应用结果进行分析可知,设计平台的数据离散程度保持在2％ ～5％,极大提升了大数据
【机 构】
：
南京审计大学实验中心,江苏南京,211815;南京市江宁区审计局,江苏南京,211100
【出 处】
：
北京信息科技大学学报（自然科学版）
论文部分内容阅读
审计平台往往受到数据采集与转换算法影响,审计效率较低,无法满足基层审计机关审计需求.对此,构建一种基层审计机关大数据审计平台,并将其付诸应用.平台根据审计数据的采集与转化,得到反向文档频率;利用回归模型获取审计数据分析结果;采用历史经验生成审计准则,将审计数据中的异常信息标注出来,完成审计预警;通过机器学习中的朴素贝叶斯算法和Logistic回归模型,建立审计数据分析模型.利用大数据审计平台审计Q省公务支出公款消费作为案例,对应用结果进行分析可知,设计平台的数据离散程度保持在2％ ～5％,极大提升了大数据的使用价值,有效提升了审计效率.
其他文献
针对交通事故中的事故类别不平衡现象,采用随机欠采样(random undersampling,RUS)结合极端梯度提升(extreme gradient boosting,XGBoost),建立一种基于RUS-XGBoost的类别不平衡事故风险预测模型.采取样本扰动、特征扰动和参数扰动方法构建具有差异性的子模型进行预测;用AUC和代价敏感错误率评价模型的预测效果,与其他模型比较验证其优越性;根据此模型计算的增益值探究影响事故风险的主要因素.使用英国政府公开的交通事故数据集进行实验表明,该模型预测效果优于单
针对下肢术后康复训练需求,设计并开发了一种基于嵌入式控制器和远程控制架构的下肢康复机器人控制与监测系统,实现了下肢康复机器人的主动/被动训练模式控制、运动姿态与肌电信号采集、WIFI通讯、安全保护等功能,通过应用随机森林机器学习算法和线性回归算法实现了训练过程的识别与分析.实验结果表明:所研制的下肢康复机器人控制与监测系统可以通过安卓进行便携控制,并能通过训练过程中的监测信号,实现对训练过程的智能分析.同时可知,随机森林算法相对线性回归算法在运动识别方面更有优势,这对训练过程的自动监测和智能化控制具有积极
姿态解算精度是制约铁塔姿态监测准确性的主要因素,针对低成本的惯性传感器存在精度低、抗干扰性较差的问题,提出一种自适应互补滤波与强跟踪卡尔曼混合滤波算法.首先利用互补滤波算法融合加速度计和陀螺仪传感器信息,根据载体非重力加速度调整PI控制器参数,自适应补偿陀螺仪角速度;再将滤波解算的角速度向量作为强跟踪卡尔曼滤波的输入矩阵,并通过比例因子实现对量测噪声方差自适应修正,最后经强跟踪卡尔曼滤波后得到姿态估计.通过转台设计静态和动态实验,实验结果表明:混合滤波在静态环境中能抑制姿态角波动,动态环境中能够较好地跟踪
为了提高精密指向组件的控制参数整定效率,采用改进型继电反馈自整定方法,实现其PID参数的自动整定.建立典型精密指向组件的数学模型,推导传递函数,并采用Matlab进行计算分析.在光学平台上搭建实验测试系统,进行精密指向组件PID参数的改进型继电反馈自整定控制实验,获取临界增益Ku和临界周期Tu,根据整定公式得到PID参数,并与理论计算结果进行比对.测试结果表明:改进型继电反馈自整定过程可以获取优化的参数,具有超调小、响应速度快等优点.
为提高滚动轴承故障诊断准确率和状态识别率,提出了一种基于小波包和思维进化算法(mind evolutionary algorithm,MEA)优化BP神经网络的滚动轴承状态分析方法.首先采用小波包算法对滚动轴承4种状态的振动信号进行分解和特征提取,将其作为BP神经网络模型输入值;然后针对BP神经网络存在随机赋值的问题,通过MEA算法优化BP神经网络的权值和阈值,从而构建了MEA优化BP神经网络滚动轴承状态分析模型.实验结果表明:MEA优化BP神经网络模型既有效提高了轴承状态分析预测的准确性,又具有较强的泛
近年来,我国债券市场交易规模不断扩大,在利益与风险并存的背景下债券违约发生的可能性随之上升,债券违约风险预测具有重要意义.通过收集2014-2020年发生债券违约公司的相关财务指标数据作为样本,利用支持向量机算法构建债券违约风险预测模型.研究结果显示,为保证模型的拟合和泛化能力,择优选择样本数据的划分比例和核函数,最终构建的支持向量机债券违约风险预测模型能够取得较高的正确率和特异度.该研究在上市公司债券违约风险预测模型构建、违约主体识别方面具有一定参考价值.
为实现对凝结水泵汽化故障的提前预警,基于凝结水泵历史运行数据,结合长短期记忆神经网络(long short-term memory neural network,LSTM-NN),搭建了凝结水泵流量预测模型.利用某电厂凝结水泵的实际运行数据,通过数据预处理构建模型的输入变量,确定模型最佳结构,结合滑动窗口统计法设置预警阈值.该模型在测试集上的均方误差为0.0159,平均绝对误差为0.0798,且发出的故障预警信号早于实际预警信号.实验结果表明,该方法能够比较准确地预测凝结水流量走势,实现凝结水泵汽化故障的
车辆轻量化研究的一个重要方面是对车辆的结构件开展优化研究,从而达到节约用材与轻量化的目的 .为此,以汽车重要的开闭件后背门为研究对象建立起某汽车后背门的有限元模型,对后背门的模态和刚度特性进行分析.运用灵敏度分析得到关键板件,并将其作为设计变量,用哈默斯雷实验设计方法进行样本数据的采集.在移动最小二乘法近似模型的基础上,将后背门质量最小作为优化目标,以一阶模态频率和扭转刚度为约束,运用自适应响应面优化算法进行求解.最后,将优化变量代入到有限元中验证了优化的正确性.
搭建了以压缩气体为工质用于有机朗肯循环余热回收系统的自由活塞膨胀机—直线发电机(free piston expander-linear generator,FPE-LG),针对直流旋转电机负载和电阻负载,对FPE-LG多负载特性进行研究.研究结果表明:FPE-LG活塞组件的位移和速度随进气压力、负载电阻和膨胀时间的增加而增加;FPE-LG峰值输出电压随负载电阻和进气压力的增加而增加,随膨胀时间的增加而减小,峰值输出电压最大值为20.9 V;FPE-LG在直流旋转电机负载上突加电阻负载时,随着负载电阻的增大
针对传统顺序执行数据清洗规则因忽略规则逻辑关系导致数据清洗效率低的问题,提出基于解析结构模型(interpretative structural modeling method,ISM)理论构建数据清洗规则链的方法.该方法将规则之间的二元关系基于ISM理论进行推导,转化为规则之间的多元关系矩阵,来构造满足规则之间约束关系的最小冲突规则链,从而提升了数据清洗效率.针对非规范地址数据,构建规则库,通过ISM理论进行建模,设计和构建简约的数据清洗规则链,缩短数据清洗时间,提高数据清洗的效率和正确率.实验结果表明