第一篇：數據智能決策在監獄發展中的應用

淺議大數據時代

監獄數據智能決策系統的構建

五角場監獄 朱旭東、周飛、方小琦

摘要

大數據時代的來臨，帶來的不僅僅是數據量的劇增，更重要的是帶來了數據技術、數據應用和數據價值的變革。這場變革使得數據分析技術更加智能，人工干預更少，并且由于數據量更大，數據間更多可能的相關關系被分析挖掘出來。

本文基于監獄目前信息化發展的現狀，利用監獄現有的數據作為基礎，利用智能分析數據與數據間的相互關聯，建立智能決策系統應用的模型。通過數據智能決策模型的應用來輔助監獄進行更為有效的管理。[1]關鍵字：數據決策、智能預警、數據中心

大數據時代需要我們對監獄信息化建設進行再思考，目前的“問信息化要警力”，主要表現在民警借助監獄政務、安防等信息化手段對罪犯進行管理，即便是系統需要調用另外系統的數據，往往也只是單純的數據的疊加。但在大數據時代，更多需要考慮的是數據與數據之間的互相影響和作用，更多的挖取無直接關聯數據間隱藏的價值。如果說我們通過大數據“問信息化要警力”，我們需要的是數據背后的關聯價值，以便為監獄提供更加智能的決策能力。

[1]大數據，維基百科[EB/OL]，[2013-08-05]，http://zh.wikipedia.org/wiki/大數據

一、監獄信息化數據應用現狀

同大多數企事業單位一樣，隨著監獄信息化建設規模的不斷擴大，跨條線、跨科室、業務關聯、信息溝通等需求的不斷提高，隨之新的問題也就日益凸現。主要表現為信息系統日益增多，包括辦公自動化系統（OA）、獄政管理系統、罪犯一卡通系統、人事管理系統、財務管理系統和生活衛生系統等，這些系統的上線運行使監獄的管理效率得到了大幅度的提高，有力的支撐了日常管理工作運作，促進了管理效能的提升。然而頂層統一規劃的缺乏使得這些系統仍然有許多不足之處，例如這些業務管理系統各成體系，各自獨立，橫向卻缺少溝通，形成了大量的信息孤島，監獄決策者只能得到針對具體業務的簡單分散的數據和報表，既不能從長期積累的海量歷史數據中挖掘發現獄內所存在的問題，也不能通過各業務系統匯總的信息輔助決策支持[2]來完成針對性的預判。

二、監獄數據數據決策發展面臨的問題

（一）數據本地策略升級和存儲面臨的問題

從目前來看，對端點數據的安全已經具備了成熟的本地安全防護系統，但與大數據安全的需求還存在一定的距離，需要及時調整。所以在本地策略的構建上，需要加大對內部管理的監控，用純數據的模式來避免由于人為原因造成的數據流失和信息泄露。

[2]Gotting H W,Weimann P,Intelligen decision supprot systems[J],Decision Support Systems,1992,8(4):317332

（二）管理和應用人員專業知識更新的問題

大數據在一個新的環境運行，就必須要為信息技術專業民警定制一個專門的培訓計劃，培訓計劃應該著眼于數據庫的分析和修復，因為大數據倉庫將通過這些來標記和報告不尋常的活動和網絡流量，這類的培訓通常需要大量的資金和時間。

（三）數據分析工具發展水平的問題

目前使用中的數據倉庫，其數據存儲類型仍受到一定的限制，數據倉庫的擴展性能還需要進一步加強；數據挖掘在標準化和通用性方面存在一系列問題，數據挖掘引擎與數據庫系統還是松散耦合的；數據挖掘語言有待于向標準化方向發展等。目前，OLAP作用沒有得到充分發揮，還是一種傳統決策支持方法，是一種用戶驅動的驗證性分析，受到用戶水平的制約。目前大多數智能分析系統功能集中在分析方面，對系統的智能性不夠重視，決策支持功能主要還是依賴數據挖掘、OLAP 等工具的數據分析、趨勢預測功能來實現，不具備專門的決策支持系統提供方案生成、方案協調，方案評估的功能[3]，更不具備群體決策和智能決策的能力，也就是說數據分析的智能化水平還很低[4]。

三、監獄數據智能決策的建設目標

決策是提供統計信息的最終目的。監獄信息化使得監獄工作的效率大大提高,產生和積累了豐富的統計信息資源。科學決策的基礎是 [3]危輝，潘云鶴.從知識表示到表示：人工智能認識論上的進步[J],計算機研究與發展，2000，37(7):819-825 [4]史忠植.高級人工智能[M],北京：科學出版社,1998 62-211 對數據的整合和開發利用。雖然數據本身并不直接作用于決策,但當數據轉化為信息或知識時就可以用于決策分析。

對數據的搜集、管理和分析過程，使監獄各級決策者獲得更多決策依據，做出更加合理的決策。數據智能分析將聯機分析處理（OLAP）、數據倉庫和數據挖掘等結合起來應用于監獄日常運作活動中，從不同的數據源收集的數據中提取有用的數據，對數據進行清洗以保證數據的正確性，將數據轉換、重構后載入數據倉庫或數據集市；然后利用合適的工具對數據進行處理，這時信息變為輔助決策的知識；最后將知識呈現于用戶面前，為管理決策提供參考。

為了保證監獄各項工作的順利運行，同時使監獄具備高效率的指揮決策能力，亟需建設一套完善的智能化決策平臺，通過對現有條件的充分分析和利用，對監獄中各類應用系統及安全系統進行集成改造，減少監獄的信息安全保密風險，才能實現監獄信息資源的安全共享和利用，提高監獄的工作效率。

四、監獄數據智能決策需求分析

（一）系統需求概述

本系統需整合監獄各類信息系統：政工類包括人力資源系統，指揮中心干警調度平臺（生活現場、勞動現場、押送罪犯就醫，防暴隊）、外來人員管理、外來車輛管理、對講呼叫管理、氣象管理，管教類獄政。罪犯管理類包括（新進、調入、保外就醫、釋放），會見管理（會 4 見罪犯、會見家屬、會見類型、會見監復聽），刑罰執行正常釋放、減刑假釋、立管專控、耳目情況，獄內偵查。生活衛生類罪犯就醫（醫務所就醫、總醫院就醫、社會醫院就醫、保外就醫），罪犯伙食管理，罪犯大帳管理，勞動管理（生產數量、品質控制、原料數量、外來人員配置、工傷情況）。教育改造（教育類型、教學計劃、受教罪犯、教學場地、教學內容、教育成果），督察（督察類別、督察內容、督察計劃、督察結果、整改意見）財務管理（干警工資、工勤工資、勞動支出、生活支出、后勤支出、車輛支出、民警伙食、外事接待支出，生產收入、財政撥款、專項撥款）外圍管理局重大任務、武警工作、重特大事件處理、安全零報告等。

分別建立相應的業務數據抽取，轉換清洗和加載方案，并根據處理得到的業務數據建立數據模型，整理和抽取其中必要的關鍵分析指標，最終以直觀，生動，多樣的展示方式將基于不同維度的分析結果呈現給監獄管理層。系統需分為數據源、數據倉庫、應用層和展示層四個層次，分別完成數據的抽取、轉換、加載、建模、整理、分析、提取、展示等功能。

（二）系統功能需求

數據源可從各應用系統自動抽取，部分因各種原因則需人工采集。承擔數據采集需求的部門涉及政工部門，財務部門，指揮中心，勞動管理部門，教育改造部門，督察部門，綜合管理部門，各監區等。根據需求設計了如刑罰執行年度采集表，重要決策季度采集表，規章 5 制度季度采集表，生產利潤季度采集表，財務結算信息季度采集表，項目施工季度采集表，干警考核季度采集表，安全生產指標季度采集表，安全生產指標年度采集表，干警警力配置日采集表，罪犯出入監日采集表等。以滿足數據訪問的靈活性和效率的均衡。

（三）基本功能需求

1、瀏覽功能：干警可通過web頁面方式查看授權的指標數據。可針對用戶使用不同的系統首頁。在系統首頁及各主題首頁中，需要提供對時間維，單位維度的選擇。

2、鉆取功能：干警可查看到組成某指標的基礎數據或下級單位的具體數據。提供各種圖表類型的轉換，使干警能從多視點對同一指標進行分析。

3、查詢分析：干警可以自己定義查詢條件，需要的話還可以自己定義查詢指標和維度信息，這樣可以更有目的性地查看報表，獲取信息。

4、輸出功能：干警可以水晶易表等形式將查看到的指標數據輸出。

（四）數據展現方式需求

為了更好的、更直觀的展示多維度數據，在一個界面中展示盡可能多的信息量，系統應采用多種綜合的數據展示方式，包括儀表盤、趨勢圖、餅圖、柱狀圖、固定報表等等形式。根據具體指標需求，其展示方式有嚴格要求。

五、監獄數據智能決策系統結構

（一）監獄智能決策包含的組件

決策支持系統通過結合個人的智力資源和計算機的能力來改進決策的質量。它是一個基于計算機的支持系統，服務于處理半結構化問題的管理決策制定者。一個決策支持系統將包括如下典型的組件：

1、數據管理子系統：決策支持系統(Decision Support System，簡稱DSS)[5]的數據庫通常包括在數據倉庫中。數據倉庫是集成的、面向主題的數據庫集合，它是用來提供決策支持功能的，其中每個數據單元都不隨時間改變。數據倉庫的數據通常從內部和外部數據源中抽取。內部數據主要來自于監獄內部各處理系統。外部數據包括行業數據、相關法律文獻制度規范、社會普查數據、國家經濟數據等。

2、模型管理系統：一個包含有財務、統計、運籌和其它定量模型的軟件包，能夠提供系統的分析能力和合適的軟件管理能力。在模型庫中的模型可以分為戰略性的、策略性的、運營性的等等。

3、知識管理系統：許多非結構化和半結構化的問題是非常復雜的，以至于除了通常的 DSS外，它們還需要特別的專業知識。這些知識可以由專家系統或者其它智能系統提供。因此，更高級的 DSS 系統[6]還應該包含成為知識管理的組件。

4、用戶界面子系統：用戶與 DSS 應用之間的交流。如交互式界面、報表打印。為了實現組織內的信息共享，還應包括

[5]陳文偉.決策支持系統極其開發[M],北京：清華大學出版社,2000.311-327 [6]田大崗,費奇.DSS結構的聯結主義觀點[J],系統工程理論與實踐,2000，20(1):7-18 Intranet/Internet 的發布方式。

5、用戶：用戶可看作系統的一部分。DSS 的用戶主要是監獄各層次的管理者和業務模型分析人員。

（二）監獄數據智能決策的架構

監獄數據智能決策的框架層級：整個框架包含多個單位，從小到大以此為，數據、事件、罪犯個體，監區，監獄。其中數據作為框架中的最低層級是預警分析中基礎的輸入來源，包括了各業務系統的數據以及民警各臺帳數據。事件是罪犯個體的相關行為的屬性，一個事件包含了罪犯各項基礎數據的變化。罪犯個體的表現情況及其對應的數據和事件的集合，以此類推監區是以監區為單位的罪犯個體的集合。監獄是多個監區的集合。

監獄數據智能決策的整體思路：通過從各個業務系統抽取罪犯相關數據，打造以罪犯個體為核心的數據中心，并建立與業務系統的罪犯信息的溯源通道；建立犯情預警評估模型，對罪犯靜態信息和動態改造異常信息實現智能預警和排查處置。

監獄數據智能決策的整體框架：最上層犯情綜合信息系統（靜態信息），包括：罪犯檔案，信息檢索，分析預測，匯總統計。數據智能決策系統（動態信息），包括信息采集，排查處置，預警分析，臺帳管理，評估模型。在數據總線上，數據的來源于目前的監獄各信息系統：管教信息系統，綜合評估系統，親情會見系統，親情電話系統，大帳系統，計分考核系統，監管日報系統，點名系統。

這些數據經過數據交互總線進入數據中心，通過信息的篩選和合 并可以分為以下幾個板塊：罪犯信息：包括罪犯信息、頑危犯，重點罪犯。獄政管理：罪犯調動，計分考核，行政獎懲。改造評估：入監評估，心理測試，出監評估。獄內偵查：坦白檢舉，耳目管理，信息員。刑罰執行：減刑假釋，刑罰變更，監外執行。其他系統，大帳信息，會見信息，親情電話，如圖-1所示。

圖-1 監獄數據智能決策的整體框架

總體架構分為三個模塊，即信息匯總、職能預警、排查監督。信息匯總模塊，吸收業務系統對接過來的包括管教系統，親情會見，親情電話，一卡通大帳等，以及信息渠道的錄入包括個別談話、民警執勤、罪犯匯報、獎懲考核、獄情分析等，將這些匯總的信息分類為外部因素例如親情危機、家庭變故、經濟糾紛。監獄環境例如勞動狀況、崗位變動、同犯矛盾。犯人狀況例如健康狀況、情緒狀況、心理狀況。制度執行例如人帳制度、安檢制度、清抄制度、報告制度。設施隱患例如警戒設施、監控設施、警備設施、生活設施。改造信息例如實訓信息、綜合評測、心理咨詢、考核信息，如圖-2所示。

圖-2 監獄數據智能決策的總體架構

在智能預警模塊中，將匯總收集來的信息，通過預警評估規則定義的運算，計算出罪犯危險的等級，對于過高等級的評估結果提出預警，與此同時，監獄不同層級的民警對系統發出的智能預警進行問題處置，通過各項有可能導致罪犯破壞監獄規范的誘導因素排查和干預，從而降低評估規則中評估要素危險程度，最終使得此次報警回歸到正常值水平，如圖-3所示。

圖-3 智能預警

在獄情評估模型中對收集的罪犯信息采用多維度計量方法進行評估運算，其中考慮的緯度包括靜態緯度，參考罪犯的年齡、學歷、犯罪類型、余刑等。個性緯度包括外傾、沖動、自卑、從屬、波動、焦慮、暴力、犯罪思維等。特殊技能緯度包括雙特、從軍、從警等。依照動態信息匯總分析，提出罪犯個體傾向性分析包括脫逃傾向，自殺傾向，行兇傾向，破壞傾向。根據傾向推測的可能性程度以及后果的嚴重性提出智能預警，預警等級從高到低分為一級、二級、三級，如圖-4所示。

如圖-4獄情評估模型

六、數據倉庫技術研究

數據倉庫是一個面向主題的、集成的、穩定的、包含歷史數據的數據集合，用于支持管理決策的制定。數據庫是實現智能分析的數據基礎，是監獄長期事務數據的準確匯總。數據倉庫完成了數據的收集、集成、存儲、管理等工作，數據智能分析面對的是經過加工的數據，使得數據智能分析能更專注于信息的提取和知識的發現.數據倉庫為數據智能分析擷取或載入大量原始信息，歸并各種數據源的數據，用于支持監獄管理和決策。

數據倉庫是數據智能分析的靈魂，數據智能分析的很多工作都是以數據倉庫為基礎展開的。利用數據倉庫，監獄可以制定準確的戰略策略與預警行動；數據智能分析充分利用數據倉庫的分析結果制定策略、合理調配警力，促進監獄管理平穩有序。

（一）監獄智能決策數據中心

從各個業務系統抽取罪犯個體關鍵數據，匯總成罪犯改造檔案，提供檢索、預測、類聚、分析等功能；并通過各業務提供相應接口，可對關鍵業務數據進行溯源查詢；并為獄情系統提供罪犯個體動態信息，如圖-5 所示。

圖-5 監獄智能決策數據中心

數據中心將各個業務系統的數據明細進行篩選，數據中心以罪犯個體為單位對罪犯個體的數據進行類聚，將類聚后的數據存入罪犯改造檔案，同時這些數據互相牽制或者影響所構成的動態數據又為獄情系統提供了素材。獄情系統通過對動態數據的分析和理解進行計算，其結果作為預警數據存入數據中心。對于獄情系統計算的結果提供溯源機制，可以查詢到是哪些業務系統提供的基礎數據，造成了最終的計算結果。

罪犯個人信息分類及來源：管教信息系統中入監等級表信息、收 監體檢表信息作為罪犯個體信息的罪犯檔案部分。

管教信息系統中罪犯調動、計分考核、等級管理、行政獎勵、行政處罰、其它處理、日常管理作為罪犯個體信息的獄政管理部分。

改造質量評估系統中入監評估、出監評估作為罪犯個體信息心理測試、改造評估部分。

管教信息系統中坦白、檢舉、申訴、頑固犯、危險犯、耳目、信息員作為罪犯個體信息的獄內偵查部分。

監管日報信息系統中獄情日報、獄情周報、獄情月報、監獄月報、重危分子、民警值班記錄、監管隱患排查作為監管日報系統部分。

管教信息系統中減刑假釋、暫予監外執行、刑罰變更作為罪犯個體信息的刑罰執行部分。

大帳系統中大帳管理作為罪犯個體信息的生活衛生部分。會見系統、親情電話系統作為罪犯個體信息中會見信息、電話信息部分。

數據智能決策中違規違紀（打架斗毆、對抗管教、自傷自殘、抗拒勞動）、家庭變故、患病、債務糾紛、余罪漏罪、提回重審、心理異常、警囚矛盾、囚囚矛盾等作為罪犯個體信息中改造異常表現部分。

數據智能決策作為罪犯個體信息中的預警情況部分。

獄情動態分析思路：從收集罪犯基本信息、評估信息以及月度考核信息，通過從業務系統、各類信息渠道等獲取日常動態信息，實現獄情信息收集匯總、預警智能分析預測和安全隱患排查監督，如圖-6所示。

如圖-6 獄情動態分析思路

七、監獄數據智能決策規則配置

在數據智能決策規則配置中，各相關科室可以聯合制定多種逃脫、自殺、行兇等傾向的相關聯的觸發信息。例如在定義罪犯家庭因素得知家中親人病重或將要離世；對改造缺乏信息；對入獄前未決事項牽掛；定義罪犯行為異常經常窺探周圍環境、交通狀況的；私自制作或存放雨衣等絕緣物的；這些因素都將作為觸發罪犯逃脫傾向預警的計算因素，如圖-7所示。

圖-7 數據智能決策規則配置

在獄情排查監督階段，實時采集的預警異常信息，根據配置的相關處理流程以及相應環節，實現對各類監獄安全問題的處理、跟蹤、提醒等。

圖-8 罪犯危險傾向性

八、監獄民警對數據智能決策影響

從層級上來劃分將民警分為主管民警、監區領導、業務科室以及 16 監獄領導。

從民警在與獄情動態分析交互的過程中產生的功能來劃分，可以分為民警的導入功能和排查監督功能。為罪犯個體信息的輸入即數據源的導入功能，民警對依據采集的信息進行人工預判，定義傾向性模型觸發信息，即預警規則配置的功能。民警根據預警提示對預警產生的溯源信息或情況進行處理、跟蹤等工作，即預警提示后排查監督功能。

從具體的角色分工來看，作為罪犯的主管民警，處在第一線監管崗位，與自己所管轄范圍內的罪犯了解溝通最為直接，因此主管民警的信息收集匯總的準確率對后期的預警評估起著決定性作用。因此，主管民警必須做好日常個別談話、計分考評、錄音復聽等工作。對于日常工作中生成的談話、會見、電話復聽臺帳務必保證詳實、準確、具體、同時，針對預警信息，排查預警的溯源信息，詢問核實罪犯情況，并采取有效的針對措施，降低評估因素的危險程度。

監區領導根據預警提醒對所在監區內被列為預警的罪犯情況進行確認，如果確定其確有危害監管安全隱患的，查找隱患的原因，是否符合預警的傾向性判斷，如果完全復合，則在犯情分析會上討論分析針對預警的跟蹤以及解決辦法，如果非完全符合，則通過信息收集入口及時調整信息源，或者提交反饋給業務科室修改預警配置規則。

業務科室具備三方面的角色職能，一方面針對自身科室的專職功能，向獄情分析提供對口的基礎信息。另一方面根據預警分析結果監 督各監區對預警信息予以排查和解決。除此之外，聯合各業務科室，對獄情分析的配置規則進行管理，增加新的配置規則和觸發信息權重。給出處理流程的實時內容和跟蹤步驟。

監獄領導根據預警提示了解監獄內可能存在的安全隱患，分析獄內罪犯危機傾向，通過召開獄情分析會議，通報監獄內罪犯動態傾向并布置業務科室和獄區預警工作重點。

九、總結

在大數據時代來臨之際，為讓數據智能決策更好的服務于監獄，第一步要建立自己的核心數據集，也就是要搞清楚監獄的數據需求；第二步是要找到內部的一些外圍數據，通過一系列的收集和整理分析，像滾雪球般建立監獄自己的數據信息集合；第三步是收集監獄內部的數據，國外有很多成功的大數據案例，都有一個前期的挖掘過程，監獄同樣需要在監獄內部找出有價值的數據；第四步就是收集外部的、社會化的或非結構化的數據，即現在所謂的社會化媒體數據，提高監獄的整體數據分析能力和數據價值水平。

當然，監獄在進行數據收集整合時也不是漫無目的去探索，要立足監獄的業務和當前信息化發展的不足之處，依托現有的“小數據”進行監獄自身數據的深度挖掘和分析，從中找出增長點，并投入到監獄的實際運營中，才能夠推動監獄的大數據應用水平。

第二篇：智能周界防范系統在監獄的應用

考慮了目前中國監獄的現狀和建設。

建立除全方位的圖像和語音監控系統外，還有現代化網絡化指揮系統。

以提高對突發事件的處理及上報速度，提升監管安全系數和犯人改造質量，節省警力，降低行政成本。

監獄是國家刑罰執行機關，它承擔著懲罰和改造犯人，預防和減少犯罪的神圣職責

對鞏固國家政權，維護社會主義穩定發揮著重要作用。我國監獄的指揮管理監控系統大多數信息化管理相對落后，難以實現快速高效調配警力，及時有效處理突發事件。

北京三安古德充分考慮了目前中國監獄的現狀和建設，建立除全方位的圖像和語音監控系統外。

還有現代化網絡化指揮系統，以提高對突發事件的處理及上報速度，提升監管安全系數和犯人改造質量，節省警力，降低行政成本。

系統在寬帶網絡的基礎上，構建了一個由省監獄管理局、各監獄、各監區三級聯網的計算機智能化監控平臺。

實現了省監獄管理局、監獄、監區(含駐地武警)的互聯互通互動，形成了由監區監舍等一線的監視報警控制、到監獄的協防布控管理、再到監獄管理局的統一指揮決策的一體化全方位監控網絡平臺。對于一些具有高度危險性的囚犯，需要對其活動進行實時和完全的監控;

以防意外事件發生，保障其本人以及監獄中其他人的安全;利用監控報警系統，通過囚室內安裝的攝像頭，就可以對囚室進行全實時的視、音頻錄像，囚犯在囚室內的所有活動都可記錄在內;還可以通過遠程控制中心對囚室進行監控，能實現無人值班時進行實時錄像。

監獄周邊

監獄的周界圍墻裝有高壓電網、紅外對射系統或泄漏電纜周界系統等。

必須配置智能視頻分析系統，當發生觸碰、破壞狀況時: 監控中心大屏顯示、電子地圖顯示、打開警笛;彈出“犯人出逃處理預案”，幫助預警快速處理，可以有效的保證這些地方及再此進行看管的人員安全。

并且可以有效的配合監獄看管人員聯動，防止在押人員越獄行為的發生，并且可以防止外界人員的進入。

公共場合

在監獄內部，食堂、禮堂、操場、工作場合等公共場合是犯人相對比較集中的地方。

由于在押犯人情況混雜，往往容易出現各種異常情況，在獄警相對比較少的情況下。

為保證各種公共場合內人員、設施的安全，必須要有一定的安全監控報警措施。

通過監控系統，可以有效地對這些場合近實時監控及錄像，通過報警系統，可以再出現非正常現象時。

及時向監獄管理部門發出報警信號，以便及時地對各種非正常現象作出處理。

看管人員工作生活區

為保證監獄內部的安全與穩定，負責在押人員管理的獄警及負責監獄安全的武警官兵擔負著重大的任務。

他們的安全，是保證監獄整體安全穩定的重中之重。

人員較少的情況下。

有效地對全監獄內情況進行全面掌握，以便及時做出反應;通過在看管人員工作生活區設立監控報警設備，可以有效的保證看管人員的安全，為監獄的整體安全與穩定打好基礎。

監獄出入口

重要出入口、提審室、探望室的人臉抓拍記錄功能。

不僅能在第一時間對諸如越獄或企圖越獄等事件做出快速反應，還能提供事件發生前后一定時間內的查證資料;同時采用監控遠程傳輸技術實現監獄監控中心對各個分區的監控，為監獄的管理工作提供更有效的管理手段。大大減輕監管人員的壓力，提高管理的效率和質量。

智慧監獄分成三個層次

監獄管理局指揮中心:負責對整個省甚至是全國的監獄進行集中的指揮決策。

有緊急事件發生時，除了可以在監控中心進行統一指揮以外，系統還提供了領導分控客戶端功能。

以方便未在監控中心的領導能夠隨時隨地快速加入到事件的指揮決策中。

:對監獄的周界區域、公共活動區域及勞教室和廠區進行視音頻監視監聽。

同時接受各個區域內上報的告警信息，及時有效的做出處理。分監區監控中心:它負責對監舍以及走廊的所有監視監聽信息，告警信息等進行及時有效的監視處理。

并將必要事件信息及時提交匯報到監獄指揮中心，并主要集成了視頻監控系統，對講系統、報警系統和門禁巡更系統。

監獄智能監控方案

從安全防范角度來說，監區自身具有武警戰士等“人防”體系，加上智能視覺監控系統的“技防”體系，兩者密切結合，能夠發揮各自優點。

建立較完善的保安監控體系，嚴密監控區域的前端系統的核心是“發現可疑行為”和“攝像”。

在傳統的閉路電視監控模式下，保安人員需要監視太多的視頻畫面，遠遠超出人的接受能力，導致實際監控效果低下。

實驗結果表明，在盯著視頻畫面僅僅22 分鐘之后，人眼將對視頻畫面里95%以上的活動信息視而不見。

因此我們需要智能視覺監控來改善監控效果，同時減輕保安人員的負擔。

這樣才能真正讓控制中心人員從繁雜的電視監控工作中解脫出來，以便有更多的資源應對可疑現場。

成功有著深刻的意義。

本方案根據監獄監控實際需求進行設計，具有以下特點: 預警功能:主動對視頻信息進行智能分析，在危險行為發生之前自動識別，并完成預警。

監控功能:7×24全天候視頻自動智能分析，無需值班人員監視監視器，只在發生警情情況下通過聲光報警及語音提示值班人員完成警情處理。

智能分析:對視頻監控中的畫面進行實時分析，識別可疑行為，并產生報警事件記錄，事后按照事件進行檢索查詢方便快捷。

易管理:在監控中心通過中心管理軟件可實現監控系統的統一調度和集中控制管理。

可方便地在遠端實現對前端智能設備的控制和參數配置，及進行版本升級。

兼容性:智能視頻監控設備可以從前端的模擬信號分出一路進行分析，因此無需對原有監控系統和前端設備進行變動，設備安裝簡單、靈活。

視頻監控可實現報警聯動功能。

一旦發生警報，監控中心顯示屏自動彈出報警主畫面和電子地圖，電子地圖將會快速定位目標地點、拉響警報聲音。

相關元器件運作狀態、警報資料信息顯示、警報資料記錄、目標通道指示燈閃爍等等。

能為警員及時地提供第一手資料，實現真正的報警聯動。

系統組網圖

智能產品功能模塊 入侵檢測模塊

三安古德自動入侵檢測模塊，可以自動檢測出視頻畫面中的運動行為特征。

入侵檢測既可以在固定攝像機上使用，也可以在PTZ攝像機上使用(支持在PTZ攝像機的各個預置位上進行自動巡視入侵檢測)。

:運動行為模式、絆網穿越模式和圍欄入侵模式。

三者的區別主要在于，運動行為模式基于防區進行檢測，絆網穿越模式基于絆線進行檢測，圍欄入侵模式則是專門針對攀越或穿越圍欄周界而提供的檢測模式。

遺棄物檢測模塊

貝爾信遺棄物檢測模塊，可以對遺棄物進行自動檢測--當物品(包裹、碎塊、行李等)在某個防區內被放置或遺棄的時候自動報警。此外，對于有人看管的物品，遺棄物檢測模塊可以將其忽略。無論是由人攜帶而來并在防區中遺棄的物品(攝像機看到完整遺棄過程的情況)，或者是被人從防區外扔入防區內的物品(攝像機看到部分遺棄過程的情況)，還是在防區中突然 出現的物品(攝像機完全看不到遺棄過程的情況)，貝爾信遺棄物檢測模塊都可以從場景中正確檢測出遺棄物。此外，遺棄物檢測模塊還可以檢測出一些人眼注意不到或者無法識別的偽裝目標。

針對現實場景中行人、過往車輛的密集情況，貝爾信還提供三種常用的場景選項:空曠的場景、較擁擠的場景和擁擠的場景。非法停車檢測模塊

非法停車檢測模塊，可以對非法停留的交通工具進行檢測--當交通工具在防區內非法停留時發出報警。

形狀和數量、布防時間段、交通工具的最短合法停留時間等。本檢測模塊適用于預防和記錄各種非法停車場合，例如導致交通堵塞的非法停車、交通違章停車、鐵軌附近的非法停車、高速公路上的非法停車。

周界旁的可疑停車、車輛故障導致的停車、到達配貨站的車輛、停靠在大門外的可疑車輛等情況。物品搬移檢測模塊

貝爾信物品搬移檢測模塊，可以自動檢測物品搬移事件--當防區內某特定位置的物品被拿走或搬走時發出報警。

該模塊可以設定為兩種模式:1)當物品被搬移時立即報警;2)當物品被拿走超過一定時間，且沒有放回原處的時候發出報警。本檢測模塊適用于需要對物品搬移進行錄像或報警的場合。例如對超市內的高價商品、家庭里的電腦和家具、工廠內的金屬建材、博物館內的文物、車庫內的汽車和貴重設備、特定場所的重要設施等的偷竊行為進行監視和跟蹤。

第三篇：智能分析視頻監獄、看守所應用解決方案

http://www.tmdps.cn 深圳市華天成科技有限公司

智能分析視頻監獄、看守所應用解決方案

本系統采用主要以智能攝像機作為視頻監控前端，結合智能化技術與網絡技術，可滿足監獄周界及內部多重警戒布防需求。業內首推行為密碼檢測功能和監獄犯人行為分析功能，為監獄高安全級別區域的進入和監獄犯人行為的監控提供了真正智能化的監控手段，更有效的預警各種潛在危險的發生。打造安全監獄，令監獄實施最完善、最智能化的防護措施，在加強司法部門的監管力度的同時減少負擔。

需求分析：

1、周界

這類區域范圍較廣，為了避免巡邏或監控人員有疏漏，需要對周界內外進行24小時實時監控，一旦有目標在周界長時間逗留、徘徊，立即進行對象識別并跟蹤，提前預警。能夠早期發現周界或是圍墻邊是否有可疑物品遺留，避免其帶來的安全隱患。

2、哨位

檢測是否有穿越警戒的入侵并預警。對哨兵值班期間是否在崗監控，若出現無哨兵在崗的情況，立即提醒監控人員。

3、醫院、勞改區、操場、食堂

這類場所人員較多，為防止有犯人乘亂進行違規行為（如可疑聚眾），智能監控系統可以針對靠近門口，或在圍墻旁邊徘徊的行為進行判別，提醒監控人員注意犯人的非正常行為。

4、軍械室、財務室、檔案室、器材庫

對進入室內警戒區域的人員和出現的異常行為進行監控，被看管物品是否被移動、消失，能夠做到早期的消防預警。

5、出入口、通道

對犯人進出通道進行嚴密的24小時實時監控，對于有犯人在此場所逆向返回，轉入其他入口都能及時報警。同時可設置時間段限制通行和預警提示，在非活動時間段內或是沒得到授權之前，若有人員出現或是靠近出入口、走廊，或是出現遺留物品時，警報能立即發現，并通知監控人員。

6、監舍

對犯人監舍內的全方位監控，在非活動時間，一旦有人員在門口、窗口等出現，立即報警并及時反饋給監控人員。特別是能夠及早的發現犯人的可疑行為（如夜晚休息時間在監舍內坐臥不安，在門口和窗戶邊不停的徘徊和張望等），防止犯人做出更進一步的危險、違法行為（如越獄、毆打獄友、自殺等）。

系統拓撲圖：

http://www.tmdps.cn 深圳市華天成科技有限公司

解決方案：

采用智能視頻監控系統，加強了監管系統的管理效率，系統的高度智能化技術取代人眼的實時監看以及個人意識判斷事件和報警，大大節省了人力，降低誤報率。智能攝像機獨特的多種事件和行為分析功能、對象的識別和跟蹤功能、高準確性的自動預警，這是傳統的監控系統無法做到的。系統的構架精簡，不論原本采用模擬視頻還是數字視頻監控，都可做到全功能的兼容和升級，節省大量物力和財力。強大的技術實力和應用的潛力，使我們能夠針對客戶的種種特別需求，專業定制一個真正滿足客戶實際需求、具有超值意義解決方案。

第四篇：大數據在物流方面應用

大數據時代在物流方面的應用

學院：經濟管理學院 專業：市場營銷123班 學號：2012016314 姓名：李燕

“大數據時代來了!”兩年，從業內到業外，這句口號見諸網媒、報端的頻率與日劇增。直至今天，從政府高管到行業巨頭，從商界大鱷到微企老板，關于數據創業，他們中有沒有直接參與已然不是那么重要了，重要的是現在誰都不敢不重視大數據。更值得期待的是已有先驅馱負大數據顛覆行業規則的構想，開始試水國內物流行業。

“物流業是一個產生大量數據的行業，在貨物流轉、車輛追蹤等過程中都會產生海量的數據，這么多資源如果不用就浪費了。”申通信息技術部總監邱成在接受本報記者采訪時說。目前，業內對大數據并沒有統一的定義。不同廠商、不同用戶，站的角度不同，對大數據的理解也不一樣。麥肯錫報告中對大數據的基本定義是：大數據是指其大小超出了典型數據庫軟件的采集、儲存、管理和分析等能力的數據集合。毋庸置疑的是，大數據的價值在于從海量的數據中發現新的知識，創造新的價值。越來越多的企業也意識到了大數據的價值，對數據分析與挖掘的需求與日俱增。

“物流業之所以做大數據，主要是因為：第一，快遞走入民生的勢頭越來越猛，對每一個節點的信息化需求也越來越多，這就需要通過大數據把信息化對接起來。第二，從企業自身角度來講，信息化對企業管理者的重要性也越來越突出。第三，提高對數據的加工能力，通過‘加工’實現數據的‘增值’。”邱成說。

長期以來，備受指責的行業中總少不了物流業，其對倉儲運輸車空間的利用不科學、安全性差、燃油效率低下、周轉時間隨路徑而浮動等，這些是導致中國物流業占GDP總量約18%遠高于歐美發達國家的最主要原因。

整個物流業尤其電商領域已經幾近爆發式成長，若應用大數據分析技術，倉儲運輸的空間將被系統化布置，物流車行程路徑也將被“最短化”、“最暢化”定制。兩年前，把一噸蔬菜從廣州運到北京比從北京運到美國洛杉磯物流成本都高，今天，當大數據時代到來的時候，物流行業規則能否因其改變，只能拭目以待。因為大數據試水物流行業，“游戲”才剛剛開始。

“現在我們在做淘寶、商業客戶的一些數據采集，在構成基礎數據網絡之后，再做第三方的增值應用。”邱成說。在前不久召開的“京交會”上，申通快遞展示了其最新的“信息化智能平臺”。該平臺通過對數據的歸納、分類和整合，可以清楚地查看申通網絡任何一個網點的經營現狀和業務構成等。

在百世匯通，通過技術人員運用科技手段進行分析、提煉，大數據正在為企業戰略規劃、運營管理和日常運作提供重要支持和指導。據百世物流科技（中國）有限公司副總裁張硯冰介紹，百世匯通嘗試運用大數據來管理、分析、判斷加盟網點的運營行為，通過網點在系統內的足跡建立數據分析模型，成功地預測了幾次網點的異動，使工作方式由被動式變為主動式、前置式，減少了大量客戶投訴，把問題消滅在萌芽階段。

不僅僅是物流業，電商企業也越來越關注大數據。早在今年年初，京東商城就已啟動云計算研發基地，并成立“京東商城——中國人民大學”電子商務實驗室，著力電子商務大數據的分析與合作；在“京交會”上，阿里巴巴集團與中國郵政集團、“四通一達”等十家快遞公司合作，核心內容仍以打通物流數據為基礎，重點將轉向“數據整合與分析”。

“淘寶做大數據是以訂單為核心，快遞企業做大數據是以快遞為核心。以申通為例，我們的客戶不只是淘寶，還有很多商業客戶。而且不少商業客戶都有與快遞企業在IT方面合作的想法，未來我們也希望能挖掘更多的數據價值，通過大數據給商業客戶提供信息化服務。”邱成說。

物流行業樹大根深，大數據在此行業內的應用也是非常廣泛的。物流中除去淘寶商城、京東商城、蘇寧易購等企業產生的包裹、快遞等小部件中短距離之間物品流通的小物流;還有與之相對應的重量大、體積大、長距離運輸的物品流通，如港口貨物運輸、大貨車集裝箱運輸等的大物流。

在亟待改進的物流行業，大物流領域利用大數據分析應用技術其實質就是利用地理信息、位置服務、物聯網在物流行業里做信息系統化，將現有的粗放、零散、低效、高耗的物流企業數據資源加以整合，建設成可以依據空間地理信息來統一協調監管的現代化物流。逐步利用大數據驅動信息化物流建設，在信息化的現代物流模式下，大物流領域的任何物流車船歸屬企業的名稱、物流車隊的整體油耗、車船的位置信息、車船的行程軌跡、車船的運行周期等這類空間地理數據通過系統智能化處理。

大物流領域成功應用大數據，無非是讓物流車隊效率提高、流程精簡。物流車隊本身的管理、設備等條件優化改善了，才有望使得中國物流運輸成本降低。理想的前景是聯合一個大型物流車隊，為其免費裝載上一臺設備，這種設備搜集的車隊車輛所有空間地理位置信息都即時反饋到監視后臺。怎樣獲取這些大數據也就是物流車隊提高管理效率的關鍵所在。然而，在劉俊偉來，這種期望的信息智能化的現代物流模式可能需要3-5年時間方可成熟。怎樣獲取這些大數據是一個問題，這需在資金投入、研發團隊打造方面的決心和魄力。

“隨著市場的發展，在未來，快遞企業會不斷加大在大數據方面的投入。”邱成表示。大數據的核心是發現和預測，利用其這個特點，可以提升快遞行業的整體服務水平。此外，對于快遞業做大數據的未來發展趨勢，也有業內人士指出，快遞員獲取的數據已不只是企業內部信息，還包括大量的外部信息。大數據則讓廠商能夠有的放矢，甚至可以做到為每一個客戶量身定制符合個體需求的產品和服務，從而顛覆整個商業模式。

盡管企業已熟知大數據所帶來的價值和優勢，但由于數據規模和種類的增加，處理速度的加快，以及易受攻擊的特點，隨之而產生的成本和復雜性給企業的IT資源和基礎設施帶來了更大的壓力。如何在降低成本的同時提高IT效率，成為快遞企業不得不面對的一大難題。

在邱成看來，投資、技術手段等并不是最大的難點。“快遞企業做大數據面臨的最大難題在于：一是基礎數據的采集。因為到現在為止，不少快遞企業的操作及信息傳輸并不是很規范，這給基礎數據的采集帶來了不小的困難。二是未來大數據的應用方向。比如我們現在有一些淘寶數據，首先要想好怎么用。”邱成說。

此外，也有業內人士建議，在大數據時代，企業要想用數據制勝，就必須盡早建立數據資產管理策略。只有擁有戰略性視野和專業技術，才能更好地獲得商業洞察力，才能將數據資產轉換成戰略資產和競爭力。

對于物流行業而言，必須能夠更好地利用大數據，這樣就可以更好地為客戶提供服務，降低成本，提高燃油效率。與劉俊偉觀點大同小異，Teradata天睿公司運輸物流業總監肖恩也認為，大數據在大物流領域的應用是一個主要的技術潮流。即目前已經積累下的大數據需要以更加智能的方法加以利用，同時還要開發新技術來更便捷的獲取多樣化大物流數據。

第五篇：智能審計決策支持系統

智能審計決策支持系統

審計決策支持系統(Audit Decision Support System，ADSS)是輔助審計人員通過數據、模型和知識，以人機交互方式進行半結構化或非結構化決策的計算機應用系統。目前，ADSS被應用于會計師事務所的審計決策支持活動，并承擔審計信息的收集、處理和傳遞功能，為審計人員提供分析問題、建立模型、模擬決策過程和方案的環境，調用各種信息資源和分析工具，幫助提高決策水平和審計質量。

智能審計決策支持系統(Inteligent Audit Decision Support System，IADSS)通常簡稱為智能審計系統，是在傳統ADSS的基礎上結合審計專家系統(Audit Expert System，AES)和數據挖掘系統(Data Mining System，DMS)而形成的軟件系統。ADSS能夠借助定量化的決策支持模型輔助審計人員進行決策，但智能性不足；AES能模擬審計專家思維來解決非結構性的問題，但審計專家知識獲取和轉化困難，而且不具備自我學習的功能；以神經網絡為代表的DMS具有良好的自組織、自學習和自適應能力，但不能對自身的結論進行解釋。這三種系統的優缺點恰好互補，若相互融合，則可構建一個IADSS。

一、審計決策支持系統(ADSS)

1、ADSS的特征。ADSS是支持審計人員進行非程序性決策的一種信息系統，具有如下三個特征：(1)以處理非程序性決策為主。(2)對審計人員進行支持而不是代替。(3)系統本身要求具有靈活性，采用聯機對話方式，以便利用審計人員的經驗和系統提供的信息來分析解決問題。

2、ADSS的構建。按照（國家經濟信息系統設計應用標準化規范）中的“三庫一體化理論”，ADSS由數據庫、模型庫和方法庫組成，它們彼此獨立，用戶系統通過三庫控制系統與“三庫”發生聯系。(1)數據庫子系統是存儲、管理、提供與維護用于審計決策支持的審計數據的ADSS基本部件，是支撐模型庫子系統及方法庫子系統的基礎。數據庫子系統由數據庫、數據析取模塊、數據字典、數據庫管理系統及數據查詢模塊等部件組成。(2)模型庫是ADSS中最復雜和最難實現的部分，通常可直接用于制定審計決策的模型是應用結構性比較好的問題，其處理算法有明確規定，其參數值是已知的。對于非結構化的決策問題，有些參數值并不知道，需要運用數理統計等方法估計這些參數值。模型庫管理系統的主要功能是模型的利用和維護，模型的利用包括決策問題的定義和概念模型化，從模型庫中選擇恰當的模型或單元模型構造具體問題的決策支持模型，以及運行模型；模型的維護包括模型的聯結、修改和增刪等。模型庫子系統是在與ADSS其他部件交互過程中發揮作用的，與數據庫子系統的交互可獲得各種模型所需的數據，實現模型輸入、輸出和中間結果存取自動化；與方法庫子系統的交互可實行目標搜索、靈敏度分析和仿真運行自動化等。更主要的交互則是在人機對話子系統之間，模型的使用和維護實質上是審計人員通過人機對話子系統予以控制與操作。(3)方法庫子系統是存儲、管理、調用及維護ADSS要用到的通用算法、標準函數等方法的部件，方法庫中的方法一般用程序方式存儲。它通過對描述外部接口的程序向ADSS提供合適的環境，是計算過程實行交互式的數據存取，從數據庫選擇數據，從方法庫選擇算法，然后將數據和算法結合起來進行計算，以清晰地呈現方式輸出結果，供決策者使用。

3、ADSS的思路。ADSS解決問題的過程是沿著“審計人員根據當前環境提出問題→審計專家與審計人員交互理解問題→審計專家抽象出數學模型→依據數學模型編制或調用求解軟件→軟件運行求解問題”這一思路進行。在該思路中，問題的求解由“模型驅動”，問題求解模型隨著問題環境的變化而變化，由于變化而重新構造模型時離不開審計專家的輔助，這使原本的審計人員在決策支持系統輔助下求解變成了在審計專家輔助下求解，用戶在求解問題的多數環節仍離不開審計專家。ADSS應用中出現這種問題，其主要原因是系統的智能性不足，不能根據問題的變化作出適應性的自主調整。

二、審計專家系統(AES)

1、AES的功能。ADSS借助計算機強大的運算能力與審計人員（專家）靈活的分析和判斷能力交互寫作，為解決審計中的半結構化與非結構化的決策問題提供了有力的支持。但由于ADSS中計算機一方的重點還在于模型的定量計算，人機對話方式對于大多數不熟悉計算機的使用者仍存在一定的距離，限制了ADSS的應用效果。作為人工智能的一個分支，專家系統在二十世紀80年代初開始進入審計人員的視野，AES是建立在管理信息系統和計算機人工智能技術基礎上的一種計算機輔助審計軟件系統。與普通計算機輔助審計技術不同的是，它利用人工智能的原理，借助計算機模擬人類的思維過程，對管理信息系統的數據進行計算、分析及推理，并作出相應的判斷，提出審計建議及線索，以供審計人員進行進一步的重點審計，最終得出審計結論。AES能夠借助計算機強大的數據分析和處理能力，在最短的時間里，做廣泛、詳細的計算與核查，而且在面臨多個結論時，能夠通過排序來尋找最佳方案，減少審計人員在做出結論時出現的失誤或不一致的可能性，因而可以有效地提高審計效率，降低審計風險。

2、AES的工作過程。AES的工作過程可分為三個階段：初始化階段、實質性測試階段和完善工作底稿階段。每一個階段，系統會自動地根據審計人員事先選擇的要求和系統數據庫中所存儲的相關審計知識，分成若干個推理判斷的步驟，對被審計單位的會計資料及其他相關資料進行審查，并自動查找存在的各類錯誤、舞弊、異常數據和變動及其他不利于企業經營的情況，并以列表或審計意見初稿的形式向審計人員列示。在每一個階段，審計人員都可以通過系統的人機對話界面對審查情況進行監控。作為一種模擬審計專家水平來解決問題的AES，必須具備的組件包括：(1)知識獲取組件，它負責審計專家經驗（規則）處理，并存儲在知識庫中，以備推理機調用。(2)知識表達組件，它運用各種表達法，解決內碼轉換問題，使信息在系統內部各部件之間得以溝通。(3)知識庫，它存儲的是既不能用數據表示，也不能用模型方法描述的審計專家知識與經驗，同時也包括一些特定問題領域的專家知識。(4)知識庫管理子系統，由一系列知識庫的操作命令程序組成，是知識庫操作與其他部件進行聯系的橋梁。(5)推理機，主要功能是查詢和分析，它由一組具有推理策略的程序組成，根據系統知識庫的數據和程序，推斷出問題的可能解。(6)解釋組件，將推理機得出的結果經過解釋輸出，在系統的人機交互界面上，尋求審計決策人員的確認和進一步分析。AES中，知識庫和推理機是核心。建立知識庫的關鍵是如何表示知識，也就是審計經驗的形式化表示，推理機用于確定不精確推理的方法。AES的弱點在于審計知識獲取和轉化困難，因為其需要人工地將各種審計專家知識從人類專家的頭腦中或其他知識源處轉換到知識庫中，費時且低效；對于動態和復雜的系統，由于其推理規則是固定的，難以適應變化的情況，AES還不能從過去處理過的審計案例中繼續學習，使知識獲取較為困難。

三、數據挖掘系統(DMS)

1、DMS的功能。DMS能夠從大量不完全的、有噪聲的、模糊的、隨機的數據中，提取隱含在其中的、事先不知道的、潛在有用的信息和知識。不僅可以對信息系統產生的被審計單位財務、業務數據進行深層次分析和研究，而且可以通過模型匹配和挖掘算法實現其在信息系統開發審計、安全審計等方面的應用。此外，通過數據挖掘技術與信息系統審計技術的有效結合可確定快照技術中快照點的選擇問題，以及確定系統控制審計復核文件中嵌入審計程序應采集什么信息。

2、DMS的應用。(1)運用統計分析子系統發現偏差數據。審計人員通過建立統計模型對搜集的被審計單位以及同類型單位的大量財務、業務歷史數據進行分析，挖掘內部存在的函數關系或相關關系，然后對審計期間內的相關數據進行合理預測。(2)運用聚類分析子系統確定審計重點。利用聚類分析技術對信息系統中被審計單位的同類型的財務數據或者業務數據進行分組，使其成為有相似特性的聚集。一般來說，財務數據及重要業務數據（如銷售數據）的變動具有一定的規律性，如果某些數據處于稀疏區域，說明其變動表現異常，需要重點關注。如SQL2005中的Microsoft Analysis Services工具，選擇聚類挖掘模型，就可利用其強大的分析功能實現日志數據的分類，將非正常的日志記錄從正常的日志數據中區分出來。(3)運用孤立點分析子系統挖掘審計疑點。面對海量的電子數據，采用孤立點檢測算法，發現異常審計數據或異常發生頻率等，從而發現有可能隱藏的違規行為，如利用快照點捕捉問題數據，利用嵌入式審計模塊進行實時監控等方法，達到鎖定疑點數據的目的。(4)運用關聯分析子系統揭示關鍵屬性。在對財務或業務數據的審計中，同類或不同類會計科目及數據項之間，可能存在某種對應關系，利用關聯分析方法來查找、分析，可發現一些隱藏的經濟活動，挖掘出數據的各個屬性間可能的相互影響，為后續審計工作提供參考。

四、智能審計決策支持系統(IADSS)

1、IADSS的特點。與AES相比，人工智能的另一個分支，以神經網絡為代表的數據挖掘系統(DMS)具有良好的自組織、自學習和自適應能力，因而適用于處理復雜問題和開放系統，這彌補了AES的不足。同樣，DMS也有其弱點：數據挖掘的知識是分布在整個系統內部，對審計人員而言是個黑箱；而且其對于自己的結論不能作出合理的解釋。因此，在ADSS的基礎上，融入AES與DMS，可以充分發揮各自的優勢，向IADSS發展。

2、IADSS的構建。IADSS的結構是在傳統三庫ADSS的基礎上增設知識庫和推理機，在人機對話子系統加入自然語言處理系統(LS)，并在四庫之間插入問題處理系統(PPS)而構成的四庫系統結構。四庫系統的智能人機接口接受用自然語言或接近自然語言的方式表達的決策問題及決策目標，這較大程度地改變了人機界面的性能。決策者可以使用自然語言來提出決策問題，由LS通過語法、語義結構分析等方法轉換成系統能理解的形式。運行后，系統則以決策者能清晰理解的或制定的方式輸出求解過程與結果。PPS是IADSS中最活躍的部件，它既要識別與分析問題，設計求解方案，還要為問題的求解調用四庫中的數據、模型、方法及知識等資源，對半結構化或非結構化問題還要觸發推理機作推理或新知識的推求。在分析被審計單位海量數據和復雜經濟業務的條件下，可以對被審計單位原始數據（數據池）按審計風險分析目的進行有機歸并（數據泵），利用關聯規則的挖掘算法，提取其反映相關性的規則、規律和模式，并對這些規則、規律和模式進行分析和評價，有效地形成審計知識（知識庫）。伴隨著IADSS的發展，這種學習人腦思維活動的程序會日臻完善，但無論該技術如何發展，其畢竟是審計人員思維的外化，是計算機審計的高級形式，其作用不是完全替代審計人員，而是代替審計人員完成大量繁瑣的線性或非線性邏輯思維過程，減輕審計人員的工作強度。^