基于离群点检测的医保欺诈检测研究
| 致谢 | 第5-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-14页 |
| 1.3 研究内容 | 第14页 |
| 1.4 论文组织结构 | 第14-17页 |
| 2 相关理论知识 | 第17-28页 |
| 2.1 医疗保险欺诈 | 第17-19页 |
| 2.1.1 医保欺诈概念 | 第17-18页 |
| 2.1.2 传统医保欺诈检测方法 | 第18-19页 |
| 2.2 离群点检测 | 第19-26页 |
| 2.2.1 基于聚类的离群点检测 | 第19-22页 |
| 2.2.2 基于距离的离群点检测 | 第22-24页 |
| 2.2.3 基于统计的离群点检测 | 第24-25页 |
| 2.2.4 基于密度的离群点检测 | 第25页 |
| 2.2.5 检测结果分析 | 第25-26页 |
| 2.3 数据预处理 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 医保数据处理 | 第28-36页 |
| 3.1 医保数据特点与示例 | 第28-31页 |
| 3.1.1 医保数据特点 | 第28-29页 |
| 3.1.2 医保数据示例 | 第29-31页 |
| 3.2 医保数据预处理 | 第31-35页 |
| 3.2.1 医保报销费用数据 | 第32-34页 |
| 3.2.2 医保用药数据 | 第34-35页 |
| 3.3 本章小结 | 第35-36页 |
| 4 基于ODC离群点算法的费用异常检测 | 第36-45页 |
| 4.1 医保费用异常检测 | 第36页 |
| 4.2 ODC算法基本思想 | 第36-38页 |
| 4.2.1 K-means聚类过程 | 第37页 |
| 4.2.2 离群点发现与提取 | 第37-38页 |
| 4.3 算法过程描述 | 第38-40页 |
| 4.4 实验与分析 | 第40-44页 |
| 4.4.1 实验环境 | 第40页 |
| 4.4.2 对比实验 | 第40-44页 |
| 4.5 本章小结 | 第44-45页 |
| 5 基于OAP离群点算法的用药异常检测 | 第45-54页 |
| 5.1 医保用药异常检测 | 第45页 |
| 5.2 OAP算法基本思想 | 第45-48页 |
| 5.2.1 距离离群因子计算 | 第46-47页 |
| 5.2.2 剪枝与离群点提取 | 第47-48页 |
| 5.3 算法过程描述 | 第48-50页 |
| 5.4 实验与分析 | 第50-52页 |
| 5.4.1 实验环境 | 第50页 |
| 5.4.2 对比实验 | 第50-52页 |
| 5.5 本章小结 | 第52-54页 |
| 6 总结与展望 | 第54-56页 |
| 6.1 总结 | 第54-55页 |
| 6.2 展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第59-61页 |
| 学位论文数据集 | 第61页 |
