基于深度强化学习的财务异常数据检测系统设计

• 作者: 王亚林 安新艳
• 来源期刊: 电子设计工程
• 学科: 工学
• 关键词: 深度强化学习 异常数据 K近邻 融合检测
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 测量与控制
• 页码范围: 70-73,78
• 页数: 5页
• 分类号: TP393
• 语种: 中文
• DOI: 10.14022/j.issn1674-6236.2021.03.015

摘要

针对医疗财务系统中数据规模庞大,而传统的数据检测手段难以发现其中细微异常数据的问题,设计了一套智能化的异常数据检测系统.该系统通过对异常数据的模式分析,并基于差异分析与全局分析的融合检测原理,实现了在海量数据中对细微异常数据的精确检测.在该检测系统的总体框架下,采用Wolpertinger架构,分别设计了作动网络、K近邻网络与评价网络,最终建立了基于深度强化学习的数据挖掘算法.数据测试实验结果表明,该系统的异常数据检测准确度可达99％以上,在较长的测试时间内运行稳定,性能良好.