基于离群点检测的医保异常数据挖掘
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 研究背景 | 第14-16页 |
| 1.2 本文工作与主要贡献 | 第16-17页 |
| 1.3 组织结构 | 第17-19页 |
| 第二章 相关工作 | 第19-29页 |
| 2.1 引言 | 第19页 |
| 2.2 医保数据挖掘研究现状 | 第19-22页 |
| 2.2.1 国外研究现状 | 第19-21页 |
| 2.2.2 国内研究现状 | 第21-22页 |
| 2.3 离群点检测介绍 | 第22-28页 |
| 2.3.1 基本概念 | 第22-24页 |
| 2.3.2 算法介绍 | 第24-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于上下文的住院诊疗用药异常检测方法 | 第29-49页 |
| 3.1 医保相关数据介绍 | 第29-31页 |
| 3.2 方法框架 | 第31-33页 |
| 3.3 上下文提取 | 第33-38页 |
| 3.3.1 医院信息和病人个人信息提取 | 第33-34页 |
| 3.3.2 病人病情信息提取 | 第34-38页 |
| 3.4 核化k近邻回归 | 第38-39页 |
| 3.5 基于马氏距离的度量学习 | 第39-41页 |
| 3.5.1 基础方法 | 第39-40页 |
| 3.5.2 优化方法 | 第40-41页 |
| 3.6 实验与结果分析 | 第41-47页 |
| 3.6.1 数据集介绍 | 第41-42页 |
| 3.6.2 基准方法介绍 | 第42-43页 |
| 3.6.3 量化评估 | 第43-44页 |
| 3.6.4 结果分析 | 第44-46页 |
| 3.6.5 案例分析 | 第46-47页 |
| 3.7 本章小结 | 第47-49页 |
| 第四章 基于密度和局部异常的住院费用异常检测 | 第49-62页 |
| 4.1 局部离群点和全局离群点 | 第49-50页 |
| 4.2 LOF算法介绍 | 第50-53页 |
| 4.3 改进的LOF算法 | 第53-57页 |
| 4.3.1 LOF算法的局限性 | 第53-54页 |
| 4.3.2 优化方法 | 第54-57页 |
| 4.4 实验与结果分析 | 第57-60页 |
| 4.4.1 数据集介绍 | 第57页 |
| 4.4.2 离群点自成簇对LOF的影响 | 第57-58页 |
| 4.4.3 基准方法介绍 | 第58-59页 |
| 4.4.4 量化评估 | 第59页 |
| 4.4.5 结果分析 | 第59-60页 |
| 4.5 本章小结 | 第60-62页 |
| 第五章 医保异常数据分析和展示系统 | 第62-69页 |
| 5.1 系统框架 | 第62-63页 |
| 5.2 模块介绍 | 第63-68页 |
| 5.2.1 离线模块 | 第63-64页 |
| 5.2.2 在线模块 | 第64-68页 |
| 5.3 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-72页 |
| 6.1 总结 | 第69-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-80页 |
| 致谢 | 第80-82页 |
| 发表论文和科研情况 | 第82页 |
