[發明專利]審計大數據融合聚類與風險數據檢測方法、介質、設備

在審

• 申請號: 202110037498.9
• 申請日: 2021-01-12
• 公開（公告）號: CN113326862A
• 公開（公告）日: 2021-08-31
• 發明（設計）人: 楊國為;周士杰;萬鳴華;楊章靜;詹天明;張凡龍;黃璞
• 申請（專利權）人: 南京審計大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F16/2458;G06Q40/00
• 代理公司: 重慶市信立達專利代理事務所(普通合伙) 50230
• 代理人: 陳炳萍

1.一種審計大數據融合聚類與風險數據檢測方法，其特征在于，所述審計大數據融合聚類與風險數據檢測方法包括：

構建針對多視角大數據的低秩子空間聚類模型；

確定審計數據點集D，定義離散點、邊界點、聚類內點，利用基于邊界網格細分的審計大數據風險數據快速檢測算法找出聚類的內點，組成集合D₁；

離群點檢測：對于小數據集D₂＝D-D₁，提出改進的LOF離散點檢測方法，得出離散點集D₃，并確定總體復雜度；

邊界點檢測：視小數據集D-D₁-D₃為邊界點候選集，進行邊界點檢測；

模式二分類：對于數據集D₄＝D-D₃，提出優先度排序緊密覆蓋二分類模型，判斷未知點類型，并確定總體復雜度；所述未知點類型包括聚類點和離異點。

2.如權利要求1所述的審計大數據融合聚類與風險數據檢測方法，其特征在于，{X₁,X₂,…,X_k}表示樣本的k個視角數據集；矩陣X_i的第m列向量為數據x_m在第i個視角上的特征向量；為將多視角大數據融合在一起，構建的針對多視角大數據的低秩子空間聚類模型如下：

s.t.X_i＝D_iZ+E_i,i＝1,...k；

其中，Z為所有視角公用的變量。

3.如權利要求1所述的審計大數據融合聚類與風險數據檢測方法，其特征在于，所述針對多視角審計大數據的低秩子空間聚類算法中，利用分塊的思想，將變量分成N個塊，并設計一個正則項，將不同塊變量進行融合，優化問題如下：

其中，x∈R^d是變量，T是可行域；將變量分為N塊：

x＝[x₁,x₂,…,x_N],x_i∈T_i；

其中，然后在優化時，N個塊變量分別優化；

更新第i個塊變量時，求解如下問題：

其中，k是迭代次數，

從四方面用兩個低秩矩陣對X進行逼近；即將矩陣X分解為X＝LR^T，其中X∈R^m×n,L∈R^m×r,R∈R^n×r，r≤min(m,n)，將優化問題轉化為F-范數優化問題；建立分解與核范數之間的關系，對任一個矩陣X，以下兩個問題等價：

通過這兩條性質，在核范數優化中，可以考慮將矩陣的核范數用等式右邊進行替換，用基于梯度的優化算法，求解誘導出的新問題；

在求解模型得到誤差項E之后，應用于離群點檢測為魯棒起見，引入閾值k；則E的第i列如果滿足|E_i|＞k則可判定為離群點；

定義第一類型風險數據點為離群點；第二類型風險數據點為邊界點；第三類型風險數據點為高值點；第四類風險數據點為高頻且局部頻率超出率高的數據；求第四類風險數據點利用排序算法加局部頻率超出率公式：

ε是一小的正數，P為數據集中的點，∪(P,ε)＝{Q|ρ(P,Q)＜ε}，則P的局部頻率超出率為：