25年CH计算机科学与技术-大数据环境下基于深度学习的金融交易异常数据实时清洗算法研究-约14686字符终版.docx

摘 要随着金融交易数据规模快速增长，传统异常数据清洗方法在实时性和准确性上逐渐难以满足需求。本文针对这一问题，研究如何利用深度学习技术实现对金融交易异常数据的实时清洗。通过分析金融交易数据的高频性和时序性特点，选择长短期记忆网络（LSTM）作为核心模型，设计了一套包含数据预处理、实时流处理和异常评分机制的清洗框架。实验中使用真实金融市场的高频交易数据训练模型，并通过模拟市场突发波动场景验证算法效果。结果显示，该模型在异常检测准确率和响应速度上均优于传统统计方法，尤其对突发性异常数据的清洗效率提升。研究表明，基于LSTM 的实时清洗算...