1、社會(huì)保險(xiǎn)審計(jì)是關(guān)乎國計(jì)民生的重大事情。有效的審計(jì)措施能夠及時(shí)發(fā)現(xiàn)社會(huì)保險(xiǎn)繳納是夠違規(guī)，來維護(hù)勞動(dòng)者的合法權(quán)益。目前審計(jì)手段主要有人工審計(jì)和計(jì)算機(jī)審計(jì)。其中人工審計(jì)主要方法為抽樣審計(jì)，人工審計(jì)相對(duì)滯后且費(fèi)時(shí)費(fèi)力，而抽樣審計(jì)則存在盲目性，漏洞較多。計(jì)算機(jī)審計(jì)方面主要是采用審計(jì)系統(tǒng)，雖然在一定程度上提高了審計(jì)效率但是審計(jì)精確度較低。面對(duì)海量社保審計(jì)數(shù)據(jù)，傳統(tǒng)人工審計(jì)方法和計(jì)算機(jī)審計(jì)方法顯得捉襟見肘。
　　 數(shù)據(jù)挖掘能從海量數(shù)據(jù)中挖掘有

2、用的知識(shí)，因此研究學(xué)者開始應(yīng)用數(shù)據(jù)挖掘的方法來對(duì)審計(jì)數(shù)據(jù)進(jìn)行分析。在數(shù)據(jù)挖掘中有多種方法，其中聚類分析具有伸縮性強(qiáng)、對(duì)領(lǐng)域知識(shí)依賴性弱、受噪聲影響小等優(yōu)點(diǎn)。因此本文采用聚類來分析社保審計(jì)數(shù)據(jù)。
　　 傳統(tǒng)聚類算法雖然實(shí)現(xiàn)簡(jiǎn)單、使用方便，但是較易陷入局部最優(yōu)解，且在非凸空間聚類效果較差。譜聚類算法根據(jù)譜圖劃分理論，對(duì)數(shù)據(jù)進(jìn)行譜映射，在任意樣本空間有較好的魯棒性，因此本文采用譜聚類算法來解決傳統(tǒng)聚類算法存在的問題。
　　 本

3、文深刻分析了譜聚類算法，提出傳統(tǒng)譜聚類算法雖然能夠解決一些問題，但是仍然需要人工方法輸入聚類分組數(shù)K值。聚類分組數(shù)的確定至關(guān)重要，急需對(duì)傳統(tǒng)譜聚類算法進(jìn)行優(yōu)化。針對(duì)傳統(tǒng)譜聚類算法的優(yōu)化需求，本文深入研究和分析了人工免疫系統(tǒng)。在此基礎(chǔ)之上提出了一種基于人工免疫的自適應(yīng)譜聚類算法，實(shí)現(xiàn)了聚類分組數(shù)的自動(dòng)獲取，提高了聚類效果。該算法模擬了抗體的克隆變異，經(jīng)過初次免疫應(yīng)答和二次免疫應(yīng)答，完成了抗體對(duì)抗原的免疫識(shí)別。實(shí)現(xiàn)算法之后在一些常用數(shù)據(jù)集上

4、進(jìn)行了實(shí)驗(yàn)，并與傳統(tǒng)譜聚類、遺傳算法的實(shí)驗(yàn)結(jié)果進(jìn)行了對(duì)比，驗(yàn)證了基于人工免疫的自適應(yīng)譜聚類算法的可行性和穩(wěn)定性。
　　 本文對(duì)社保審計(jì)數(shù)據(jù)特點(diǎn)進(jìn)行了分析之后，發(fā)現(xiàn)還需對(duì)算法做出進(jìn)一步改進(jìn)，因此本文在基于人工免疫的自適應(yīng)譜聚類算法的基礎(chǔ)上做出改進(jìn)，根據(jù)數(shù)據(jù)的屬性對(duì)數(shù)據(jù)分析的貢獻(xiàn)大小不同，對(duì)數(shù)據(jù)屬性加權(quán)，加入了一定的專家知識(shí)，提出了一種基于半監(jiān)督的自適應(yīng)譜聚類算法。本文對(duì)社保審計(jì)數(shù)據(jù)進(jìn)行了屬性選擇、數(shù)據(jù)填補(bǔ)、數(shù)據(jù)合并、分類屬性轉(zhuǎn)換等