2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩69頁未讀 繼續(xù)免費閱讀

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),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、目前有很多針對正常與非正常案例甄別方面的研究,大多是研究如何人工建立區(qū)分標(biāo)準(zhǔn)或特征庫,這類方法不僅使得前期準(zhǔn)備工作量巨大,而且后期甄別能力有限,準(zhǔn)確率也低,在很多應(yīng)用領(lǐng)域有著明顯的局限性。機器識別是人工智能的一個重要研究領(lǐng)域,近年來在工業(yè)生產(chǎn)、醫(yī)療、金融等多個領(lǐng)域廣泛使用,但前期的工作依舊是依賴于專家設(shè)定標(biāo)準(zhǔn),這種標(biāo)準(zhǔn)由于無法擺脫人的主觀性,而使得甄別準(zhǔn)確率大大降低。
   本文首先介紹了有關(guān)甄別正常與非正常案例的研究背景和最近

2、的國內(nèi)外研究現(xiàn)狀,之后介紹了流程挖掘和數(shù)據(jù)挖掘相關(guān)的基礎(chǔ)知識。針對現(xiàn)有的甄別方法存在的不足和缺陷,在總結(jié)前人研究經(jīng)驗的基礎(chǔ)上,本文提出了一個基于流程挖掘的甄別模型(the detection model of normal and abnormal instances,DMNAI)。該模型通過頻繁模式發(fā)現(xiàn)來提取案例特征,使用神經(jīng)網(wǎng)絡(luò)分類器進行檢測,從而避免了人工設(shè)定標(biāo)準(zhǔn)的主觀性。
   本文立足于框架的研究,還將DMNAI模型與

3、現(xiàn)有的用于醫(yī)療欺詐與濫用檢測過程的流程挖掘框架(a process-mining framework for the detection of healthcare fraud and abuse,DHFA)進行了比較。由于在DHFA框架中,特征的選擇只是機械的查表工作,使得該模型的泛化能力較弱。DMNAI模型通過流程挖掘來提取特征,建立了一個更為應(yīng)用廣泛的檢測模型。
   實驗表明,DMNAI模型經(jīng)過現(xiàn)場實際數(shù)據(jù)的驗證,能有效

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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論