| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 本论文专用术语的注释表 | 第12-13页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 研究背景及意义 | 第13页 |
| 1.2 相关研究现状 | 第13-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.3.1 问题描述 | 第14页 |
| 1.3.2 主要工作 | 第14-15页 |
| 1.4 论文组织 | 第15-17页 |
| 第二章 相关研究 | 第17-25页 |
| 2.1 医疗保险欺诈检测 | 第17-20页 |
| 2.1.1 基于医学知识的医疗保险欺诈检测 | 第17页 |
| 2.1.2 有监督的医疗保险欺诈检测方法 | 第17-18页 |
| 2.1.3 无监督的医疗保险欺诈检测方法 | 第18-20页 |
| 2.2 数据降维方法 | 第20-23页 |
| 2.2.1 主成分分析方法 | 第20-21页 |
| 2.2.2 核主成分分析方法 | 第21-22页 |
| 2.2.3 自动编码器 | 第22-23页 |
| 2.3 离群点分析方法 | 第23-24页 |
| 2.3.1 Isolation Forest | 第23页 |
| 2.3.2 局部离群因子 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 医疗保险数据的特征表示与特征抽取 | 第25-35页 |
| 3.1 模型结构 | 第25-26页 |
| 3.2 医保数据的特征表示 | 第26-28页 |
| 3.3 应用数据降维方法的特征抽取 | 第28-29页 |
| 3.3.1 主成分分析方法 | 第28-29页 |
| 3.3.2 核主成分分析方法 | 第29页 |
| 3.3.3 自动编码器 | 第29页 |
| 3.4 特征评价 | 第29-30页 |
| 3.4.1 应用Isolation Forest方法的特征评价 | 第30页 |
| 3.4.2 应用局部离群因子方法的特征评价 | 第30页 |
| 3.5 实验与分析 | 第30-33页 |
| 3.5.1 实验数据集 | 第30-31页 |
| 3.5.2 实验环境和工具 | 第31页 |
| 3.5.3 评价标准 | 第31-32页 |
| 3.5.4 实验设置 | 第32页 |
| 3.5.5 实验结果 | 第32-33页 |
| 3.6 本章小结 | 第33-35页 |
| 第四章 医疗保险欺诈检测模型 | 第35-45页 |
| 4.1 无监督的医保欺诈检测模型 | 第35-36页 |
| 4.1.1 模型结构 | 第35页 |
| 4.1.2 应用局部离群因子方法的离群点分析 | 第35-36页 |
| 4.2 有监督的医保欺诈检测模型 | 第36-38页 |
| 4.2.1 模型结构 | 第36-37页 |
| 4.2.2 softmax回归模型 | 第37-38页 |
| 4.3 混合有监督与无监督方法的医保欺诈检测模型 | 第38-39页 |
| 4.4 实验与分析 | 第39-43页 |
| 4.4.1 实验数据集 | 第39页 |
| 4.4.2 实验环境和工具 | 第39页 |
| 4.4.3 评价标准 | 第39页 |
| 4.4.4 实验设置 | 第39-40页 |
| 4.4.5 实验结果 | 第40-43页 |
| 4.5 本章小结 | 第43-45页 |
| 第五章 医疗保险欺诈检测系统的设计与实现 | 第45-55页 |
| 5.1 系统设计 | 第45-46页 |
| 5.2 系统实现 | 第46-50页 |
| 5.2.1 离线分析 | 第46-47页 |
| 5.2.2 分类器训练 | 第47-48页 |
| 5.2.3 在线检测 | 第48页 |
| 5.2.4 数据组件实现 | 第48-50页 |
| 5.3 系统使用 | 第50-53页 |
| 5.3.1 系统参数设置 | 第50-51页 |
| 5.3.2 离线分析 | 第51-52页 |
| 5.3.3 在线审核 | 第52-53页 |
| 5.3.4 人工审核结果 | 第53页 |
| 5.4 本章小结 | 第53-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 工作总结 | 第55-56页 |
| 6.2 未来展望 | 第56-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-62页 |