最小相关度优化PNARC算法的审计数据关联规则挖掘模型

摘要：

为解决关系国计民生重要行业事后审计的弊端,本文针对PNARC算法在审计数据关联规则挖掘时存在的置信度约束无效、挖掘精度不高等问题,提出了一种最小相关度优化PNARC算法的审计数据关联规则挖掘模型.首先对置信度进行阈值双重优化,以提高负关联规则的程度,减少不相关的关联规则,然后对最小相关度进行概率分析,降低无关规则的产生几率.仿真实验结果表明,无论在挖掘精度还是算法运行时间上,都具有比PNARC算法更优异的性能.

关键词：审计数据挖掘、PNARC算法优化、最小相关度、双重置信度、置信度约束

所属期刊栏目：33

分类号：TP301.6(计算技术、计算机技术)

资助基金：2017年度苏州工业园区服务外包职业学院校级教改项目JG-201705

在线出版日期：2018-01-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：158-161