基于關(guān)聯(lián)規(guī)則和孤立點(diǎn)算法的審計(jì)證據(jù)獲取研究.pdf

1、面對海量的電子審計(jì)數(shù)據(jù)，傳統(tǒng)的計(jì)算機(jī)輔助審計(jì)方法僅僅是將手工審計(jì)流程計(jì)算機(jī)化，不能從電子數(shù)據(jù)中得到更多有價(jià)值的信息。近年來學(xué)術(shù)界和工業(yè)界都在嘗試將數(shù)據(jù)挖掘技術(shù)引入到計(jì)算機(jī)審計(jì)中。本文依托于某大型軍隊(duì)醫(yī)院審計(jì)與監(jiān)管信息化系統(tǒng)，將關(guān)聯(lián)規(guī)則和孤立點(diǎn)算法引入到了審計(jì)證據(jù)的獲取研究中，并在系統(tǒng)中得到了應(yīng)用。本文主要研究內(nèi)容如下:
　　(1)通過查閱國內(nèi)外的大量文獻(xiàn)，研究了數(shù)據(jù)挖掘方法在計(jì)算機(jī)輔助審計(jì)中的發(fā)展現(xiàn)狀，并依托于醫(yī)院的審計(jì)與監(jiān)管信息

2、化系統(tǒng)，將關(guān)聯(lián)規(guī)則和孤立點(diǎn)算法引入到了審計(jì)證據(jù)的獲取研究中。其中，關(guān)聯(lián)規(guī)則用于獲取“一般性”的審計(jì)證據(jù)，孤立點(diǎn)算法用于獲取“異常行為”的審計(jì)證據(jù)。
　　(2)針對Apriori算法和FP-Growth算法的不足之處，提出了FP-Growth算法的改進(jìn)算法，省去其中條件FP-樹的構(gòu)造，使用Apriori算法在FP-樹上進(jìn)行頻繁項(xiàng)集的挖掘，顯著提升了算法的時(shí)空效率，通過實(shí)驗(yàn)驗(yàn)證了改進(jìn)算法的有效性。并將關(guān)聯(lián)規(guī)則算法引入到審計(jì)系統(tǒng)中用于獲

3、取關(guān)聯(lián)性的審計(jì)證據(jù)并取得了預(yù)期的效果。
　　(3)針對基于單元的孤立點(diǎn)算法的不足之處提出了動(dòng)態(tài)閾值的方法，然后給出了算法中相關(guān)參數(shù)的確定方法和算法流程，通過實(shí)驗(yàn)驗(yàn)證了改進(jìn)算法的有效性。并將基于單元的孤立點(diǎn)算法引入到審計(jì)系統(tǒng)中用于獲取“異常行為”的審計(jì)證據(jù)并取得了預(yù)期的效果。
　　(4)對醫(yī)院審計(jì)與監(jiān)管信息化系統(tǒng)進(jìn)行了總體設(shè)計(jì)，確定了系統(tǒng)包含的模塊。并通過UML建模語言詳細(xì)設(shè)計(jì)了系統(tǒng)的各模塊，完成了系統(tǒng)的開發(fā)工作。通過系統(tǒng)線上