中文摘要 | 第3-4页 |
Abstract | 第4-5页 |
第1章 绪论 | 第9-15页 |
1.1 研究背景与意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-13页 |
1.2.1 数据挖掘研究现状 | 第10-12页 |
1.2.2 聚类分析研究现状 | 第12页 |
1.2.3 审计风险预警系统研究现状 | 第12-13页 |
1.3 论文研究内容及组织结构 | 第13-15页 |
1.3.1 论文研究内容 | 第13-14页 |
1.3.2 论文组织结构 | 第14-15页 |
第2章 关键技术与理论 | 第15-24页 |
2.1 数据挖掘技术 | 第15-17页 |
2.1.1 数据挖掘概述 | 第15-16页 |
2.1.2 数据挖掘算法分析 | 第16-17页 |
2.1.3 数据挖掘流程 | 第17页 |
2.2 聚类分析算法 | 第17-21页 |
2.2.1 聚类方法概述 | 第18页 |
2.2.2 数据相似关系理论 | 第18-20页 |
2.2.3 聚类算法介绍 | 第20-21页 |
2.3 JRules业务规则管理系统 | 第21-23页 |
2.3.1 Jrules系统架构介绍 | 第21-22页 |
2.3.2 Jrules系统工作原理分析 | 第22页 |
2.3.3 Jrules规则库 | 第22-23页 |
2.4 本章小结 | 第23-24页 |
第3章 系统的需求分析和总体设计 | 第24-30页 |
3.1 系统需求分析 | 第24-26页 |
3.1.1 功能性需求分析 | 第24-25页 |
3.1.2 非功能性需求分析 | 第25-26页 |
3.2 系统总体设计 | 第26-29页 |
3.2.1 系统架构设计 | 第26-27页 |
3.2.2 功能模块划分 | 第27-29页 |
3.2.3 系统接口方案设计 | 第29页 |
3.3 本章小结 | 第29-30页 |
第4章 基于聚类算法业务规则库的设计 | 第30-43页 |
4.1 审计风险业务规则采集 | 第30-34页 |
4.1.1 审计风险业务规则采集方法 | 第30-31页 |
4.1.2 聚焦网络爬虫算法设计 | 第31-33页 |
4.1.3 业务规则采集结果 | 第33-34页 |
4.2 审计风险业务规则模型的设计 | 第34-37页 |
4.2.1 业务规则模型的开发方法 | 第34-35页 |
4.2.2 业务规则模型设计 | 第35-36页 |
4.2.3 业务规则模型制定 | 第36-37页 |
4.3 审计风险业务规则库的构建 | 第37-41页 |
4.3.1 审计风险业务规则语言 | 第37-39页 |
4.3.2 审计风险业务规则创建 | 第39-41页 |
4.3.3 审计风险业务规则库构建 | 第41页 |
4.4 本章小结 | 第41-43页 |
第5章 基于聚类算法的审计风险自学习预警模型的设计 | 第43-57页 |
5.1 审计风险预警机制分析 | 第43-46页 |
5.1.1 审计风险预警机制原理 | 第43-44页 |
5.1.2 Jrules规则引擎嵌入设计 | 第44-45页 |
5.1.3 审计风险预警触发事件设计 | 第45-46页 |
5.2 自学习预警系统工作机制研究 | 第46-53页 |
5.2.1 自学习工作原理 | 第46-47页 |
5.2.2 聚类算法设计 | 第47-50页 |
5.2.3 自学习聚类算法验证 | 第50-53页 |
5.3 审计风险自学习预警模块设计 | 第53-55页 |
5.3.1 审计风险自学习预警模块架构设计 | 第53-55页 |
5.3.2 审计风险自学习预警模块流程设计 | 第55页 |
5.4 本章小结 | 第55-57页 |
第6章 基于聚类算法的审计风险管理系统设计与实现 | 第57-71页 |
6.1 典型功能模块详细设计与实现 | 第57-66页 |
6.1.1 聚类算法管理功能设计与实现 | 第57-59页 |
6.1.2 风险预警管理功能设计与实现 | 第59-62页 |
6.1.3 审计风险分析功能设计与实现 | 第62-64页 |
6.1.4 业务规则及数据管理设计与实现 | 第64-66页 |
6.2 系统测试及结果分析 | 第66-70页 |
6.2.1 系统的功能性测试及结果分析 | 第66-68页 |
6.2.2 系统非功能性测试及结果分析 | 第68-70页 |
6.3 本章小结 | 第70-71页 |
第7章 总结与展望 | 第71-73页 |
7.1 总结 | 第71-72页 |
7.2 展望 | 第72-73页 |
参考文献 | 第73-75页 |
致谢 | 第75页 |