典型文献
基于深度神经网络的异常财务数据识别方法
文献摘要：
对财务异常数据的准确识别是保障医疗财务系统正常运转的重要途径.传统的检测方法使用统计学方法进行验证,该方法虽可以直观快速地筛选出异常数据,但是无法处理当前海量的数字化数据.针对上述问题,文中对传统随机森林模型进行修正,加入方差项以增强模型效果.同时,使用深度RNN网络对经过随机森林处理后的数据进行训练.实验结果表明,加入方差项的随机森林模型的F1值相较于其他算法均有2％以上的提升.同时,准确率和召回率也维持在较高的水平,测得的AUC值在对比算法中也是最高的.由此证明,文中所提出的深度神经随机森林模型具有良好的识别性能,同时也可对异常财务数据进行有效的校验.
文献关键词：
深度学习;随机森林算法;神经网络;AUC值;异常财务数据;金融数据处理
中图分类号：
作者姓名：
冯华伟
作者机构：
河南省太康县人民医院,河南周口461400
文献出处：
引用格式：
[1]冯华伟-.基于深度神经网络的异常财务数据识别方法)[J].电子设计工程,2022(10):31-35
A类：
异常财务数据
B类：
深度神经网络,数据识别,财务异常数据,准确识别,医疗财务,财务系统,统计学方法,理当,前海,随机森林模型,增强模型,使用深度,RNN,召回率,对比算法,由此证明,识别性,校验,随机森林算法,金融数据处理
AB值：
0.336521
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
