隨著醫(yī)療改革的不斷深入,醫(yī)療保險的覆蓋面不斷擴大,醫(yī)療保險參保人數(shù)也正在迅速增加,與此同時,醫(yī)保欺詐違規(guī)行為也在日益增多,其形式和手段也不斷的在翻新,對醫(yī)療保險基金的安全穩(wěn)定發(fā)展造成了極大的影響,社會危害極大。由于醫(yī)保數(shù)據(jù)具有海量性、多樣性、生成快速等大數(shù)據(jù)的特征,因此傳統(tǒng)方法檢測識別欺詐的工作量大、效率低下,而且容易出現(xiàn)差錯。如何利用這些海量的數(shù)據(jù),能夠自動高效地檢測識別出這些騙�；蚱墼p行為,是具有重要現(xiàn)實意義的。本文運用數(shù)據(jù)挖掘技術(shù)處理海量醫(yī)保記錄數(shù)據(jù),實現(xiàn)醫(yī)保欺詐檢測識別,主要有以下幾個方面工作:(1)針對單張?zhí)幏剿庂M過高等記錄具有孤立點分布的特征且醫(yī)保欺詐行為不存在模仿性和學習性,本文提出了一種基于指標權(quán)重的歐氏距離來刻畫數(shù)據(jù)之間相似度的方法。考慮到現(xiàn)有的相關(guān)工作多采用基于統(tǒng)計思想或神經(jīng)網(wǎng)絡(luò)等有監(jiān)督學習的分析方法,這種方式通常是需要人工進行欺詐數(shù)據(jù)標注,但實際上醫(yī)保記錄數(shù)據(jù)具備大數(shù)據(jù)的相關(guān)特征,數(shù)據(jù)量大且不具備先驗知識,所以本文先對處理后的數(shù)據(jù)進行主成分分析,計算主成分旋轉(zhuǎn)矩陣與累計方差貢獻率得到各個主成分的權(quán)重值,通過定義一個衡量指標權(quán)重的因子,進而得到每個原始指標的權(quán)重值,...

【文章頁數(shù)】：79 頁

【學位級別】：碩士

【部分圖文】：

圖2-2各種聚類方法的代表算法

得醫(yī)療保障的機會。因此，有必要完善醫(yī)療保險信息系統(tǒng)，逐步實現(xiàn)對醫(yī)療服務(wù)行為的全程實時監(jiān)控，加強對重點醫(yī)療服務(wù)項目和重點藥品使用情況的監(jiān)測，減少不合理醫(yī)療費用的發(fā)生，防范醫(yī)療欺詐行為。2.3聚類算法聚類分析（Clusteranalysis）[48]是對于統(tǒng)計數(shù)據(jù)進行分析的技術(shù)，....

圖2-3線性可分情況下的支持向量機支持向量機模型基于結(jié)構(gòu)風險最小化原則，通過計算最優(yōu)超平面（Optimal

圖2-3線性可分情況下的支持向量機機模型基于結(jié)構(gòu)風險最小化原則，通過計算最優(yōu)超erplane,OSH）[52]來進行分類的統(tǒng)計方法，最優(yōu)超平持向量機模型的推廣能力越強。最早的支持向量類面發(fā)展而來的，這里我們假設(shè)線性可分樣本數(shù)據(jù)本數(shù)據(jù)中的第i個個案，di為對應(yīng)的期望輸出值....

圖2-4遺傳算法流程圖

圖2-4遺傳算法流程圖在解決有關(guān)優(yōu)化問題時學習上述鳥群尋找食物的行為，需要將行為進行抽象的映射。具體如下：我們將優(yōu)化問題的解空間比，將其設(shè)為d維。還將在解空間中隨機產(chǎn)生一組粒子用來類比1,xi2,…,xid]來表示第i個粒子在解空間中的位置。用Vi=[vi1,....

圖3-1各表聯(lián)結(jié)

圖3-1各表聯(lián)結(jié)清洗按照一定的規(guī)則對數(shù)據(jù)進行處理的過程，為發(fā)提供有力保障。數(shù)據(jù)清洗過程主要包括數(shù)據(jù)一效值的處理等。醫(yī)保系統(tǒng)數(shù)據(jù)庫中的數(shù)據(jù)從多不了有的數(shù)據(jù)是錯誤數(shù)據(jù)、數(shù)據(jù)之間有沖突，。通常我們需要對獲取的數(shù)據(jù)進行缺失值、重復(fù)發(fā)現(xiàn)綜合表中有一些字段如VIP標志PAP欄目為空....

本文編號：3984375