醫(yī)保異常檢測的分類集成算法研究.pdf

1、隨著我國醫(yī)療保險制度的不斷發(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，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)應用到醫(yī)保異常檢測，挖掘病人就診記錄中的潛在價值，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，因此對醫(yī)保數(shù)據(jù)進行分析之前，首先對數(shù)據(jù)集進行平衡化處理，然后在相對平衡的數(shù)據(jù)上進行分類集成。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隨機森林模型進行改進，首先將基分類器按照其分類效果的F-measure進行排序，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，進而保證待集成基分類器的準確性和差異性。
　?。?）使用兩種方案進行醫(yī)保異常檢測實驗，一是先對非平衡的醫(yī)保數(shù)據(jù)利用混合抽樣方法進行平衡化處理，然后用基于選擇性集成改進的隨機森林在相對平衡的醫(yī)保數(shù)據(jù)上進行醫(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后的隨機森林進行異常檢測，但在隨