基于贝叶斯网络分类器的财务管理信息失真识别.docVIP

基于贝叶斯网络分类器的财务信息失真识别研究-会计 基于贝叶斯网络分类器的财务信息失真识别研究 上海立信会计学院数学与信息学院 姚 衡 高 瑞 上海立信会计学院立信会计研究院 王双成 【摘要】企业财务信息失真识别越来越多地受到关注。本文使用条件高斯函数代替边缘高斯函数的乘积进行叠加，给出新的多元高斯核函数，在此基础上，建立扩展的连续属性朴素贝叶斯分类器，并将该分类器用于企业财务信息失真识别，实验结果显示，这种分类器具有良好的分类性能。 【关键词】财务信息失真识别　朴素贝叶斯分类器　高斯函数　贝叶斯网络　依赖扩展 一、引言 如何有效识别上市公司会计信息真伪一直受到广泛关注，已成为会计和其它学科交叉研究的热点。 但会计指标具有复杂性、非线性、不确定性和高噪声性等特征，使得对会计信息失真进行可靠识别非常困难。对这样复杂的问题需要进行跨学科和多种技术的综合研究，提高会计信息失真识别的可靠性。 分类器技术是融合了多学科理论与方法而形成的模拟人类概念学习的实用技术，是会计信息失真识别的有力工具，会计信息失真识别的科学化和智能化被认为是其发展的必然趋势。 贝叶斯分类器(Bayesian classifier, BC) 是一个基础概率分类器，由满条件概率的不同计算方法可产生一系列贝叶斯衍生分