| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 绪论 | 第8-15页 |
| ·研究背景 | 第8-9页 |
| ·研究目的和意义 | 第9-10页 |
| ·国内外研究状况 | 第10-13页 |
| ·本文的研究思路与主要内容 | 第13-15页 |
| 2 计算机辅助审计技术 | 第15-24页 |
| ·数据采集技术 | 第15-16页 |
| ·数据清理技术 | 第16-17页 |
| ·数据转换技术 | 第17-19页 |
| ·数据分析技术 | 第19-24页 |
| 3 基于数据挖掘的审计应用 | 第24-28页 |
| ·基于数据挖掘的审计思路与框架 | 第24-25页 |
| ·数据挖掘在审计中的基本应用 | 第25-26页 |
| ·数据挖掘在审计应用中的优点和不足 | 第26-28页 |
| 4 模型构建 | 第28-38页 |
| ·数据挖掘工具的选取 | 第28-33页 |
| ·模型实验过程 | 第33-38页 |
| 5 实例验证 | 第38-50页 |
| ·神经网络模型的数据处理过程 | 第38-45页 |
| ·基于RS 预处理的SVM（RSVM）模型数据处理过程 | 第45-48页 |
| ·模型实验结果分析 | 第48-50页 |
| 6 政策建议 | 第50-52页 |
| ·加强数据挖掘与会计、审计领域的应用研究 | 第50页 |
| ·完善审计信息的量化研究 | 第50页 |
| ·辅助审计软件研发方面 | 第50-51页 |
| ·普及计算机辅助审计 | 第51-52页 |
| 7 结论 | 第52-55页 |
| ·基本结论 | 第52-53页 |
| ·本文创新点 | 第53-54页 |
| ·本文的后续工作 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录1 攻读硕士学位期间发表论文 | 第59-60页 |
| 附录2 神经网络模型程序部分代码 | 第60-61页 |
| 附录3 RSVM 模型程序部分代码 | 第61-68页 |
| 独创性声明 | 第68页 |
| 学位论文版权使用授权书 | 第68页 |