基于并行随机森林的审计大数据疑点预测?

• 作者: 余从容 卢利娟 张伟政 梁东贵
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 审计疑点预测 随机森林算法 并行化改进 Hadoop
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 信息处理与网络安全
• 页码范围: 174-179
• 页数: 6页
• 分类号: TP393.0
• 字数: 3396字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2019.01.037

摘要

为使审计计划的制定具有科学的数据支撑,在审计大数据背景下,提出基于并行改进随机森林算法的审计疑点预测算法.首先建立基于Hadoop的电力企业审计大数据管理方案,将各电网子系统采集到的异构审计数据整合并存储,在此基础上,实现基于三层MapRaduce的并行化随机森林算法预测审计疑点概率,在保证预测精度的情况下,提高算法运行效率,以满足大数据处理需要.实验结果表示,提出的并行算法运行速率满足大数据要求,预测精确度要优化常用的决策树算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁东贵		5	8	2.0	2.0
2	余从容		4	6	2.0	2.0
3	卢利娟		3	4	2.0	2.0
4	张伟政		1	0	0.0	0.0