| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 医疗报销异常分析研究现状 | 第12-13页 |
| 1.2.2 异常检测技术的研究现状 | 第13-15页 |
| 1.3 课题研究内容 | 第15-16页 |
| 1.4 论文结构 | 第16-17页 |
| 第二章 相关技术介绍 | 第17-29页 |
| 2.1 异常概述 | 第17-18页 |
| 2.2 异常检测算法研究 | 第18-22页 |
| 2.2.1 基于统计的异常检测 | 第19页 |
| 2.2.2 基于聚类的异常检测 | 第19-20页 |
| 2.2.3 基于距离的异常检测 | 第20-21页 |
| 2.2.4 基于隔离的异常检测 | 第21-22页 |
| 2.3 集成学习理论 | 第22-24页 |
| 2.4 异常检测评价指标 | 第24-25页 |
| 2.5 Spark简介 | 第25-28页 |
| 2.5.1 Spark平台简介 | 第25-27页 |
| 2.5.2 Spark基本原理 | 第27-28页 |
| 2.5.3 Spark平台算法并行化概述 | 第28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 医疗报销数据的预处理研究 | 第29-46页 |
| 3.1 医疗报销数据集介绍 | 第29-32页 |
| 3.1.1 医疗报销数据集的特点 | 第29-30页 |
| 3.1.2 医疗报销数据集的示例 | 第30-32页 |
| 3.2 数据预处理 | 第32-37页 |
| 3.2.1 数据清洗 | 第32-35页 |
| 3.2.2 数据归约 | 第35-37页 |
| 3.3 面向不平衡数据的特征子空间选择方法 | 第37-45页 |
| 3.3.1 医疗数据集的不平衡性及解决方案 | 第37-38页 |
| 3.3.2 特征度量指标 | 第38-40页 |
| 3.3.3 基于重采样的集成特征选择 | 第40-42页 |
| 3.3.4 分层特征选择 | 第42-43页 |
| 3.3.5 实验结果及分析 | 第43-45页 |
| 3.4 本章小节 | 第45-46页 |
| 第四章 面向混合数据的异常检测算法研究 | 第46-68页 |
| 4.1 SCIForest算法 | 第46-49页 |
| 4.1.1 算法简介 | 第46-48页 |
| 4.1.2 算法优缺点分析 | 第48-49页 |
| 4.2 面向混合数据的MAVF-CIForest算法 | 第49-60页 |
| 4.2.1 一种面向分类数据的MAVF算法 | 第50-52页 |
| 4.2.2 改进的面向连续数据的C-IForest算法 | 第52-60页 |
| 4.3 实验结果及分析 | 第60-67页 |
| 4.3.1 实验结果及分析 | 第60-67页 |
| 4.3.2 实验结论 | 第67页 |
| 4.4 本章小节 | 第67-68页 |
| 第五章 医疗报销异常检测系统的设计与实现 | 第68-82页 |
| 5.1 系统介绍 | 第68-69页 |
| 5.1.1 系统目标及实现 | 第68页 |
| 5.1.2 开发环境 | 第68-69页 |
| 5.2 系统总体设计 | 第69-71页 |
| 5.2.1 总体设计流程 | 第69-70页 |
| 5.2.2 系统总体结构 | 第70-71页 |
| 5.3 功能模块详细设计与实现 | 第71-78页 |
| 5.3.1 数据采集模块 | 第72-73页 |
| 5.3.2 系统管理模块 | 第73-75页 |
| 5.3.3 算法分析模块 | 第75-77页 |
| 5.3.4 结果展示模块 | 第77-78页 |
| 5.4 应用案例 | 第78-81页 |
| 5.5 本章小节 | 第81-82页 |
| 第六章 总结与展望 | 第82-84页 |
| 6.1 总结 | 第82页 |
| 6.2 展望 | 第82-84页 |
| 致谢 | 第84-85页 |
| 参考文献 | 第85-89页 |
| 攻硕期间取得的研究成果 | 第89-90页 |