基于改进聚类的电力大数据审计证据发现

摘要：

随着电力企业数据量成海量增长以及大量的非结构化数据存储,计算机辅助审计方式遇到了极大的数据处理瓶颈和审计局限性,为此,提出了基于并行蜂群优化K-means聚类电力大数据审计证据发现算法.算法通过Leaders算法初始聚类使初始聚类中心的设置更合适,通过改进蜂群与K-means算法交替迭代优化聚类中心,使得数据聚类更加精确,同时通过并行运算使得算法在大数据下仍能保持较高的运行效率;在审计大数据精确聚类基础上,含有实例数较小的聚类则被认为具有较大审计可疑,从而配合审计经验实现审计疑点发现.仿真数据和实际数据对比实例验证了算法的有效性.

关键词：Leaders算法、改进蜂群算法、K均值聚类、并行运算

所属期刊栏目：46

分类号：TP393.0(计算技术、计算机技术)

资助基金：国家自然科学基金61501337;中国南方电网有限责任公司科研项目"基于大数据分析技术的数据式审计方式方法手段的研究和应用"GZHKJXM20160060

在线出版日期：2018-09-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1491-1495