典型文献
基于改进LSTM的多源时序卷烟审计数据分析方法
文献摘要：
卷烟审计数据记录了卷烟业务平台数据全生命周期加工演化过程,对审计数据进行分析有利于发现其中的潜在风险行为.卷烟审计数据具有强时空关联特性,目前仍缺乏有针对性的数据分析方法.利用总体经验模态分解方法对多源审计数据进行模态分解,强化时序特征,并提出一种改进长短期记忆网络,以提高对卷烟审计数据的长时序特征提取能力.针对湖北省卷烟审计数据库数据的实验结果显示,该方法的预测查全率比现有机器学习方法提高了50％,预测查准率比现有机器学习方法提高了20％.
文献关键词：
总体经验模态分解;长短期记忆;卷烟审计数据
中图分类号：
作者姓名：
王树明;吴时清;余菁;陈军;宋伟
作者机构：
中国烟草总公司湖北省公司;武汉楚烟信息技术有限公司,湖北武汉430030;武汉大学计算机学院,湖北武汉430070
文献出处：
引用格式：
[1]王树明;吴时清;余菁;陈军;宋伟-.基于改进LSTM的多源时序卷烟审计数据分析方法)[J].软件导刊,2022(11):1-6
A类：
卷烟审计数据,卷烟业
B类：
审计数据分析,数据分析方法,数据记录,业务平台,平台数据,数据全生命周期,潜在风险,风险行为,时空关联特性,总体经验模态分解,分解方法,长短期记忆网络,长时序,时序特征提取,特征提取能力,省卷,测查,查全率,机器学习方法,查准率
AB值：
0.256988
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。
