| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-20页 |
| 1.1 课题背景 | 第13-14页 |
| 1.2 研究现状 | 第14-18页 |
| 1.2.1 异常检测的基本流程 | 第14-16页 |
| 1.2.2 国内外研究现状 | 第16-18页 |
| 1.2.3 面临的问题和挑战 | 第18页 |
| 1.3 论文主要研究内容 | 第18-19页 |
| 1.4 论文组织结构 | 第19-20页 |
| 第2章 异常检测基本算法和分类 | 第20-29页 |
| 2.1 异常点介绍 | 第20-21页 |
| 2.2 传统医保数据异常检测方法 | 第21-22页 |
| 2.3 异常检测的基本方法 | 第22-28页 |
| 2.3.1 基于分类的异常检测技术 | 第23-24页 |
| 2.3.2 基于聚类的异常检测技术 | 第24-25页 |
| 2.3.3 基于距离的异常检测技术 | 第25-27页 |
| 2.3.4 基于统计的异常检测技术 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 医疗保险数据预处理 | 第29-42页 |
| 3.1 医保数据集的特点和示例 | 第29-32页 |
| 3.1.1 医保数据集的特点 | 第29-30页 |
| 3.1.2 医保数据集示例 | 第30-32页 |
| 3.2 医保数据汇总统计 | 第32-35页 |
| 3.3 医保数据可视化探索 | 第35-39页 |
| 3.4 医保数据预处理 | 第39-41页 |
| 3.4.1 离散化 | 第39-40页 |
| 3.4.2 特征提取、选择和构造 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 医保数据异常检测算法设计 | 第42-63页 |
| 4.1 医保数据异常检测算法 | 第42页 |
| 4.2 增量Cluster-Based LOF算法 | 第42-50页 |
| 4.2.1 定义异常点因子 | 第43-44页 |
| 4.2.2 距离或相似度计算 | 第44-45页 |
| 4.2.3 Squeezer算法 | 第45-46页 |
| 4.2.4 FindCBLOF算法 | 第46-47页 |
| 4.2.5 处理连续值的属性 | 第47-48页 |
| 4.2.6 增量Cluster-Based LOF算法 | 第48-50页 |
| 4.3 BFS SmartSifter异常检测算法 | 第50-55页 |
| 4.3.1 BFS SmartSifter介绍 | 第51页 |
| 4.3.2 离散属性和BFS SDLE算法 | 第51-53页 |
| 4.3.3 连续值属性和SDEM算法 | 第53-55页 |
| 4.3.4 异常得分值 | 第55页 |
| 4.4 实验分析 | 第55-62页 |
| 4.4.1 检出率实验分析 | 第56-59页 |
| 4.4.2 医保数据异常检测实验 | 第59-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第5章 医保数据异常检测系统实现 | 第63-71页 |
| 5.1 医保数据异常检测系统介绍 | 第63-67页 |
| 5.1.1 异常检测系统架构 | 第63-64页 |
| 5.1.2 交互界面和审核异常点介绍 | 第64-67页 |
| 5.2 异常行为检测系统实现 | 第67-69页 |
| 5.2.1 医保数据异常行为检测系统框架 | 第67-68页 |
| 5.2.2 异常检测模型训练和检测流程 | 第68-69页 |
| 5.3 医保数据异常行为检测结果可视化 | 第69-70页 |
| 5.4 本章小结 | 第70-71页 |
| 第6章 总结和展望 | 第71-73页 |
| 6.1 论文总结 | 第71-72页 |
| 6.2 展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间主要的研究成果 | 第77-78页 |
| 致谢 | 第78页 |
