CN111401674B - 一种基于大数据的高企信息化管理*** - Google Patents
一种基于大数据的高企信息化管理*** Download PDFInfo
- Publication number
- CN111401674B CN111401674B CN201911254807.7A CN201911254807A CN111401674B CN 111401674 B CN111401674 B CN 111401674B CN 201911254807 A CN201911254807 A CN 201911254807A CN 111401674 B CN111401674 B CN 111401674B
- Authority
- CN
- China
- Prior art keywords
- data
- information
- enterprise
- class
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种基于大数据的高企信息化管理***,包括信息终端、安全防护模块和信息管理中心,所述信息终端包括用户登录单元、信息查询单元和信息上传单元,所述安全防护模块用于对信息上传单元上传的企业信息中的异常信息进行过滤后传输至信息管理中心,所述信息管理中心包括项目信息存储单元、员工信息存储单元、财务信息存储单元和政策信息存储单元,信息管理中心按照接收到的企业信息的种类将所述企业信息存储于对应的存储单元中。有益效果:提供一种基于大数据的高企信息化管理***,将企业中各部门之间的资料结合在一个平台,为企业和个人提供企业信息查询功能,实现了企业各部门之间的信息共享和档案信息化,提高了企业管理的效率。
Description
技术领域
本发明创造涉及大数据领域,具体涉及一种基于大数据的高企信息化管理***。
背景技术
随着信息化技术的迅速发展和信息社会的来临,各企业越来越重视信息化建设,对于企业而言,要想提高自身的影响力,就必须结合时代的发展需求,改进和完善企业的内部信息管理工作。信息技术的发展对企业内部控制及财务管理提出了更高的要求,企业应当紧跟时代的发展步伐,推动企业内部控制和财务管理的信息化建设,从而提高企业的竞争力。
发明内容
针对上述问题,本发明旨在提供一种基于大数据的高企信息化管理***。
本发明创造的目的通过以下技术方案实现:
一种基于大数据的高企信息化管理***,包括信息终端、安全防护模块和信息管理中心,所述信息终端包括用户登录单元、信息查询单元和信息上传单元,所述用户登录单元为用户提供登录该管理***的界面,用户在该登录界面通过输入用户名和密码进入该管理***,用户可以通过信息查询单元查询信息管理中心存储的企业信息,用户可以通过信息上传单元上传企业信息,所述安全防护模块用于对信息上传单元上传的企业信息中的异常信息进行过滤,将过滤后的企业信息传输至信息管理中心,所述信息管理中心包括项目信息存储单元、员工信息存储单元、财务信息存储单元和政策信息存储单元,信息管理中心按照接收到的企业信息的种类将所述企业信息存储于对应的存储单元中。
本发明创造的有益效果:提供一种基于大数据的高企信息化管理***,将企业中各部门之间的资料结合在一个平台,为企业和个人提供企业信息查询功能,实现了企业各部门之间的信息共享和档案信息化,提高了企业管理的效率,此外,在企业信息上传的过程中,对企业信息进行安全检测,确保了企业管理***的安全性。
附图说明
利用附图对发明创造作进一步说明,但附图中的实施例不构成对本发明创造的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明结构示意图。
附图标记:
信息终端1;安全防护模块2;信息管理中心3;用户登录单元11;信息查询单元12;信息上传单元13;信息处理单元21;信息分类单元22;安全检测单元23;项目信息存储单元31;员工信息存储单元32;财务信息存储单元33;政策信息存储单元34。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例的一种基于大数据的高企信息化管理***,包括信息终端1、安全防护模块2和信息管理中心3,所述信息终端1包括用户登录单元11、信息查询单元12和信息上传单元13,所述用户登录单元11为用户提供登录该管理***的界面,用户在该登录界面通过输入用户名和密码进入该管理***,用户可以通过信息查询单元12查询信息管理中心3存储的企业信息,用户可以通过信息上传单元13上传企业信息,所述安全防护模块2用于对信息上传单元13上传的企业信息中的异常信息进行过滤,将过滤后的企业信息传输至信息管理中心3,所述信息管理中心3包括项目信息存储单元31、员工信息存储单元32、财务信息存储单元33和政策信息存储单元34,信息管理中心3按照接收到的企业信息的种类将所述企业信息存储于对应的存储单元中。
本优选实施例提供一种基于大数据的高企信息化管理***,将企业中各部门之间的资料结合在一个平台,为企业和个人提供企业信息查询功能,实现了企业各部门之间的信息共享和档案信息化,提高了企业管理的效率。
优选地,所述安全防护模块2用于对信息上传单元13上传的企业信息中的异常信息进行过滤,包括信息处理单元21、信息分类单元22和安全检测单元23,所述信息处理单元21用于对上传的企业信息进行标准化处理,并对标准化处理后的企业信息进行降维,所述信息分类单元22用于对处理后的企业信息进行分类,所述安全检测单元23用于根据分类结果对上传的企业信息中的异常数据进行过滤。
优选地,所述信息分类单元22用于对处理后的企业信息进行分类,包括参数确定部分和数据分类部分,所述参数确定部分用于选取初始聚类中心,所述数据分类部分用于根据选取的初始聚类中心将企业信息进行分类。
本优选实施例在企业信息上传的过程中,对企业信息进行安全检测,确保了企业管理***的安全性。
式中,为数据集/>中的第/>个数据点,/>为数据集/>中的第/>个数据,/>表示数据的邻域数据集合,/>表示数据/>的邻域数据集合/>中的数据量,/>为数值较小的正常数,/>为数据/>的邻域数据集合/>中的数据,/>为数据/>的邻域数据集合/>中的数据,且;
本优选实施例采用基于权值的竞争方式在数据集中选取初始聚类中心,在计算数据点对应的竞争聚类中心的权值公式中,综合考虑了该数据到数据集中其他数据的距离因素和该数据周围数据的分布特性,使得选取的聚类中心具有最高的数据密度,此外,构建的权值计算公式相较于传统聚类中采用的指数形式的计算方法,使得该聚类算法具有计算复杂度低和运行时间少的优点,在对高维数据进行聚类时,具有较好的聚类效果。
优选地,所述数据分类部分采用聚类算法对处理后的企业信息进行聚类,将参数确定部分得到的聚类中心作为初始聚类中心,获得的聚类中心的个数/>作为聚类算法的最大类别数/>,在所述/>聚类算法中提出一种新的聚类有效性指标/>,设数据集/>被划分为/>个类/>,则聚类有效性指标/>的表达式为:
本优选实施例将参数确定部分得到的聚类中心作为聚类算法的初始聚类中心,解决了/>聚类算法对初始聚类中心敏感的问题,提高了聚类结果的准确性;在/>聚类算法中提出一种新的聚类有效性指标/>,传统的聚类有效性指标都以数据到类的聚类中心的距离作为衡量类内距离和类间聚类的参考,而本优选实施例提出的聚类有效性指标/>在衡量类内距离,以数据到其所在类中其他数据的距离均值作为参考,在衡量类间距离时,以数据到其他类中数据的距离平均距离的最小值作为参考,能够更加准确的反应数据和其他数据之间的结构关系,从而提高了聚类结果的准确性。
优选地,所述安全检测单元23用于根据数据分类部分的分类结果对企业信息中的异常信息进行过滤,设数据分类部分最终将处理后的企业信息划分为个类,将划分的个类按照类中数据量由多到少进行排序组成集合/>,且集合/>,当集合/>中的类满足/>且/>时(其中,/>为设置的第一阈值,/>为设置的第二阈值,/>为类/>中的数据量,/>为类/>中的数据量,/>为类/>中的数据量,/>为类/>中的数据量,/>为集合的分界值),根据获得的分界值/>将集合/>划分为子集合/>和子集合/>,且子集合/>,子集合/>,定义检测系数/>,设/>为数据集/>中的任一数据点,则数据/>对应的检测系数/>为:
根据上述定义的检测系数的计算公式计算数据集中各数据对应的检测系数(其中,/>为数据集/>中的数据量),将计算所得的各数据的检测系数按由大到小进行排序,选取前/>个数据作为异常数据进行删除,其中,/>。
本优选实施例定义检测系数对数据集中的异常数据进行检测,根据各个类中的数据量将分类得到的类集合/>划分为两个子集合,对两个子集合中的数据分别定义不同的检测系数/>,能够有效的避免当异常数据被分配到数据量较多的类中而被认为是正常数据的缺陷,此外,在对两个子集合设置检测系数时,综合考虑了数据点和聚类中心之间的距离以及数据点所在类的数据量,保证了距离相等时,数据量较少的类中的数据比数据量较多的类中的数据的检测系数大,从而保证了异常数据的有效检测。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (3)
1.一种基于大数据的高企信息化管理***,其特征是,包括信息终端、安全防护模块和信息管理中心,所述信息终端包括用户登录单元、信息查询单元和信息上传单元,所述用户登录单元为用户提供登录该管理***的界面,用户在该登录界面通过输入用户名和密码进入该管理***,用户可以通过信息查询单元查询信息管理中心存储的企业信息,用户可以通过信息上传单元上传企业信息,所述安全防护模块用于对信息上传单元上传的企业信息中的异常信息进行过滤,将过滤后的企业信息传输至信息管理中心,所述信息管理中心包括项目信息存储单元、员工信息存储单元、财务信息存储单元和政策信息存储单元,信息管理中心按照接收到的企业信息的种类将所述企业信息存储于对应的存储单元中;
所述安全防护模块用于对信息上传单元上传的企业信息中的异常信息进行过滤,包括信息处理单元、信息分类单元和安全检测单元,所述信息处理单元用于对上传的企业信息进行标准化处理,并对标准化处理后的企业信息进行降维,所述信息分类单元用于对处理后的企业信息进行分类,所述安全检测单元用于根据分类结果对上传的企业信息中的异常信息进行过滤;
所述信息分类单元用于对处理后的企业信息进行聚类,包括参数确定部分和数据分类部分,所述参数确定部分用于选取初始聚类中心,所述数据分类部分用于根据确定的初始聚类中心将企业信息进行分类;
所述参数确定部分用于选取初始聚类中心,设d={x1,x2,…,xN}表示待分类的数据集,其中,N表示数据集D中的数据量,定义数据集D中数据xi对应的竞争聚类中心的权值为W1(xi),则W1(xi)的计算公式为:
式中,xi为数据集D中的第i个数据,xj为数据集D中的第j个数据,Si表示数据xi的邻域数据集合,|Si|表示数据xi的邻域数据集合Si中的数据量,δ为数值较小的正常数,xm为数据xi的邻域数据集合Si中的数据,xn为数据xi的邻域数据集合Si中的数据,且xm≠xn;
在数据集D中选取聚类中心,具体为:
step1:在计算每个数据对应的竞争聚类中心的权值后,选择具有最大权值的数据作为第一个聚类中心x1,W1(x1)为其对应的竞争聚类中心的权值;
step2:确定聚类中心后,对数据集D中的每个数据对应的竞争聚类中心的权值进行修正,具体为:
式中,xt-1是第(t-1)个聚类中心,Wt-1(xt-1)是聚类中心xt-1对应的竞争聚类中心的权值;
Step3:修正了数据集D中各个数据的权值后,在修正后的权值中选取具有最大权值的数据作为下一个聚类中心,当新的聚类中心满足Wt(xt)-W1(x1)<γ时,则算法结束,否则返回步骤Step2,其中,γ为设置的阈值;
算法结束时得到的所有聚类中心即为初始聚类中心,记为V={vu,u=1,2,…,C},C为得到的聚类中心数。
3.根据权利要求2所述的一种基于大数据的高企信息化管理***,其特征是,所述安全检测单元用于根据数据分类部分的分类结果对企业信息中的异常信息进行过滤,设数据分类部分最终将处理后的企业信息划分为copt个类,将划分的copt个类按照类中数据量由多到少进行排序组成集合L,且集合L={Li,i=1,2,…,copt},当集合L中的类满足且/>时,根据此时的d值将集合L划分为子集合B和子集合S,且子集合B={L1,L2,…,Ld},子集合/>其中,T1为设置的第一阈值,T2为设置的第二阈值,|Li|为类Li中的数据量,|Lj|为类Lj中的数据量,|Ld|为类Ld中的数据量,|Ld+1|为类Ld+1中的数据量,d为集合的分界值;
定义检测系数Z,设xk为数据集D中的任一数据点,则数据xk对应的检测系数Z(xk)为:
当数据xk满足{(xk∈Li)∩(Li∈S)}时,则定义数据xk对应的检测系数其中,vj为类Lj的聚类中心,类Lj为集合B中类的聚类中心离数据xk距离最小的类,|Li|为类Li中的数据量,xt为类Li中的数据;
根据上述定义的检测系数的计算公式计算数据集D中各数据对应的检测系数Z(xk),k=1,2,…,N,其中,N为数据集D中的数据量,将计算所得的各数据的检测系数按由大到小进行排序,选取前p个数据作为异常数据进行删除,其中,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911254807.7A CN111401674B (zh) | 2019-12-10 | 2019-12-10 | 一种基于大数据的高企信息化管理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911254807.7A CN111401674B (zh) | 2019-12-10 | 2019-12-10 | 一种基于大数据的高企信息化管理*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111401674A CN111401674A (zh) | 2020-07-10 |
CN111401674B true CN111401674B (zh) | 2023-06-23 |
Family
ID=71428328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911254807.7A Active CN111401674B (zh) | 2019-12-10 | 2019-12-10 | 一种基于大数据的高企信息化管理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111401674B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107577792A (zh) * | 2017-09-18 | 2018-01-12 | 前海梧桐(深圳)数据有限公司 | 一种企业数据自动聚类的方法及其*** |
CN107786648A (zh) * | 2017-10-17 | 2018-03-09 | 湖南指尖聚赢网络科技股份有限公司 | 一种企业服务管理云平台 |
CN109359817A (zh) * | 2018-09-13 | 2019-02-19 | 江苏站企动网络科技有限公司 | 一种企业信息分析管理*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106156791B (zh) * | 2016-06-15 | 2021-03-30 | 北京京东尚科信息技术有限公司 | 业务数据分类方法和装置 |
-
2019
- 2019-12-10 CN CN201911254807.7A patent/CN111401674B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107577792A (zh) * | 2017-09-18 | 2018-01-12 | 前海梧桐(深圳)数据有限公司 | 一种企业数据自动聚类的方法及其*** |
CN107786648A (zh) * | 2017-10-17 | 2018-03-09 | 湖南指尖聚赢网络科技股份有限公司 | 一种企业服务管理云平台 |
CN109359817A (zh) * | 2018-09-13 | 2019-02-19 | 江苏站企动网络科技有限公司 | 一种企业信息分析管理*** |
Also Published As
Publication number | Publication date |
---|---|
CN111401674A (zh) | 2020-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108427669B (zh) | 异常行为监控方法和*** | |
CN107633030B (zh) | 基于数据模型的信用评估方法及装置 | |
CN111324642A (zh) | 一种面向电网大数据分析的模型算法选型与评价方法 | |
US20070005556A1 (en) | Probabilistic techniques for detecting duplicate tuples | |
WO2020220758A1 (zh) | 一种异常交易节点的检测方法及装置 | |
CN108805213B (zh) | 计及小波熵降维的电力负荷曲线双层谱聚类方法 | |
CN109783879B (zh) | 一种雷达辐射源信号识别效能评估方法及*** | |
CN111079941B (zh) | 信用信息处理方法、***、终端和存储介质 | |
CN110826618A (zh) | 一种基于随机森林的个人信用风险评估方法 | |
CN111008726B (zh) | 一种电力负荷预测中类图片转换方法 | |
CN113987033B (zh) | 主变在线监测数据群体偏差识别与校准方法 | |
CN107679734A (zh) | 一种用于无标签数据分类预测的方法和*** | |
CN112365060B (zh) | 电网物联感知数据的预处理方法 | |
WO2018006631A1 (zh) | 一种用户等级自动划分方法及*** | |
CN115712846A (zh) | 网络流量异常检测方法及装置、终端设备、可读存储介质 | |
CN115718861A (zh) | 高耗能行业中用电用户的分类与异常行为监测方法及*** | |
CN115982132A (zh) | 一种外销扇面图像数据样本库构建*** | |
CN111401674B (zh) | 一种基于大数据的高企信息化管理*** | |
CN108090635B (zh) | 一种基于聚类分类的路用性能预测方法 | |
CN111625578B (zh) | 适用于文化科技融合领域时间序列数据的特征提取方法 | |
CN113392877A (zh) | 一种基于蚁群算法与c-k算法的日负荷曲线聚类方法 | |
Wang et al. | A Novel Multi‐Input AlexNet Prediction Model for Oil and Gas Production | |
CN109063944A (zh) | 基于大数据分析技术的城市金融指数分析方法及装置 | |
CN115017988A (zh) | 一种用于状态异常诊断的竞争聚类方法 | |
CN114495137A (zh) | 票据异常检测模型生成方法与票据异常检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |