醫(yī)保異常檢測的分類集成算法研究.pdf_第1頁
已閱讀1頁,還剩79頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、隨著我國醫(yī)療保險(xiǎn)制度的不斷發(fā)展,醫(yī)保欺詐行為也是層出不窮,由于欺詐的形式多樣,而且操作隱蔽,加上我國缺少反欺詐的相關(guān)經(jīng)驗(yàn),所以現(xiàn)階段醫(yī)保反欺詐工作面臨著很大的挑戰(zhàn)。另一方面我國的醫(yī)院信息化系統(tǒng)積累了大量病人的就診記錄,然而其中的信息并沒有得到充分的利用。因此通過將數(shù)據(jù)挖掘技術(shù)應(yīng)用到醫(yī)保異常檢測,挖掘病人就診記錄中的潛在價(jià)值,給醫(yī)保異常檢測的研究提供了新思路。
  本文主要研究了如何將數(shù)據(jù)挖掘的分類集成算法應(yīng)用到醫(yī)保異常檢測領(lǐng)域,提

2、高其異常檢測能力。由于醫(yī)保樣本具有不平衡性,因此對(duì)醫(yī)保數(shù)據(jù)進(jìn)行分析之前,首先對(duì)數(shù)據(jù)集進(jìn)行平衡化處理,然后在相對(duì)平衡的數(shù)據(jù)上進(jìn)行分類集成。本文主要工作包括:
 ?。?)基于非平衡的醫(yī)保數(shù)據(jù),提出一種新的混合抽樣方法,該方法結(jié)合了基于K-means聚類的欠抽樣和smote抽樣方法。
 ?。?)基于選擇性集成的理論對(duì)隨機(jī)森林模型進(jìn)行改進(jìn),首先將基分類器按照其分類效果的F-measure進(jìn)行排序,根據(jù)設(shè)定的top-percent百分

3、比篩選掉分類性能差的基分類器,然后再根據(jù)不一致性度量衡量基分類器的相似性,在相似性高的基分類器中,將F-measure值低的基分類器去掉,進(jìn)而保證待集成基分類器的準(zhǔn)確性和差異性。
 ?。?)使用兩種方案進(jìn)行醫(yī)保異常檢測實(shí)驗(yàn),一是先對(duì)非平衡的醫(yī)保數(shù)據(jù)利用混合抽樣方法進(jìn)行平衡化處理,然后用基于選擇性集成改進(jìn)的隨機(jī)森林在相對(duì)平衡的醫(yī)保數(shù)據(jù)上進(jìn)行醫(yī)保異常檢測;二是直接在非平衡的醫(yī)保數(shù)據(jù)上用基于選擇性集成改進(jìn)后的隨機(jī)森林進(jìn)行異常檢測,但在隨

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論