基于一类支持向量机的财务数据异常模式识别

• 作者: 邓森林 陈卫东
• 来源期刊: 信息工程大学学报
• 学科: 工学
• 关键词: 财务数据 账户 异常检测 一类支持向量机
• 年，卷（期）: 2015,（2）
• 所属期刊栏目: 计算机技术及应用
• 页码范围: 251-256
• 页数: 6页
• 分类号: TP18
• 字数: 4951字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-0673.2015.02.022

摘要

财务监督在反腐倡廉建设中发挥着重要作用,但是财务数据具有非平稳、非线性、信噪比低等特点,且没有专门用于鉴别财务数据异常的训练集.将金融交易数据以周为时间跨度生成时间序列,选择交易总金额、交易离散系数、转账次数作为财务账户数据的特征,利用基于统计学习理论的一类支持向量机(one-class SVMs)实现金融交易数据的无监督分类,从而识别出可疑异常财务数据.采用径向基函数作为一类支持向量机的核函数,运用交叉验证法选择核参数γ和惩罚参数C.仿真数据异常检测实验证明了该方法的有效性,并检测出了实际财务账户数据中的可疑值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈卫东	国防科学技术大学信息系统与管理学院	6	62	4.0	6.0
2	邓森林	国防科学技术大学信息系统与管理学院	2	12	2.0	2.0