醫(yī)療保險(xiǎn)數(shù)據(jù)異常行為檢測(cè)算法和系統(tǒng).pdf

1、隨著全民醫(yī)保的進(jìn)一步推進(jìn)，醫(yī)?？ǖ氖褂迷絹碓狡毡?，同時(shí)出現(xiàn)了一些醫(yī)保卡的不合規(guī)使用行為，如醫(yī)療欺詐、醫(yī)保卡套現(xiàn)、過度診療等。針對(duì)這些不合規(guī)的行為，傳統(tǒng)的檢測(cè)方法是制定規(guī)則集，這種方法的缺點(diǎn)十分明顯，規(guī)則是人為制定的，準(zhǔn)確率低下。隨著機(jī)器學(xué)習(xí)、模式識(shí)別等領(lǐng)域的快速發(fā)展，異常檢測(cè)技術(shù)也有了很大的突破。我們使用異常檢測(cè)技術(shù)，快速檢測(cè)到醫(yī)保數(shù)據(jù)集中的異常行為記錄，提高了異常行為檢測(cè)的準(zhǔn)確率和召回率，減輕了醫(yī)保監(jiān)控工作人員的負(fù)擔(dān)，有著重要的研究意

2、義和應(yīng)用價(jià)值。
　　本文對(duì)醫(yī)保數(shù)據(jù)的異常行為檢測(cè)技術(shù)展開研究，主要內(nèi)容和研究成果有:
　?、俳榻B異常檢測(cè)技術(shù)。概括出現(xiàn)異常點(diǎn)的幾大原因，對(duì)比傳統(tǒng)基于規(guī)則的異常檢測(cè)方法，我們?cè)敿?xì)闡述基于分類、聚類、統(tǒng)計(jì)和距離的異常檢測(cè)技術(shù)，包括它們各自的優(yōu)缺點(diǎn)和適用范圍。
　?、谔岢隽嘶诰垲惖脑诰€異常檢測(cè)算法:增量Cluster-Based LOF。該算法先對(duì)數(shù)據(jù)集聚類，然后計(jì)算每個(gè)數(shù)據(jù)對(duì)象的異常程度值，選擇得分值最高的一部分?jǐn)?shù)據(jù)作為

3、異常點(diǎn)。算法的基本思想是依據(jù)數(shù)據(jù)對(duì)象與鄰近點(diǎn)的偏離程度，來判定這個(gè)數(shù)據(jù)是否異常。該算法模型能夠檢測(cè)出全局和局部的異常點(diǎn)。
　?、厶岢隽薆FS(Breadth-First-Search) SmartSifter在線異常檢測(cè)算法模型。該算法根據(jù)數(shù)據(jù)的離散屬性把數(shù)據(jù)集分散到不同的cell中，對(duì)每個(gè)cell構(gòu)建一個(gè)混合高斯模型。算法的基本思想是依據(jù)數(shù)據(jù)對(duì)象對(duì)模型的改變程度，來判斷該數(shù)據(jù)對(duì)象是否異常。
　　④實(shí)現(xiàn)了醫(yī)保數(shù)據(jù)在線異常行為