醫(yī)保異常檢測(cè)的分類集成算法研究.pdf

1、隨著我國(guó)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(guó)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(guó)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(méi)有得到充分的利用。因此通過(guò)將數(shù)據(jù)挖掘技術(shù)應(yīng)用到醫(yī)保異常檢測(cè)，挖掘病人就診記錄中的潛在價(jià)值，給醫(yī)保異常檢測(cè)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(cè)領(lǐng)域，提

2、高其異常檢測(cè)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。
　　（2）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(cè)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(cè)；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(cè)，但在隨