基于医保数据的风险防控算法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7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16-18页 |
| 1.3 组织结构 | 第18-19页 |
| 第二章 研究现状 | 第19-27页 |
| 2.1 医保基金风险防控研究 | 第19-21页 |
| 2.2 基金结余风险预测研究 | 第21-23页 |
| 2.3 违规欺诈风险检测研究 | 第23-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 医保数据预处理 | 第27-44页 |
| 3.1 数据集介绍 | 第27-29页 |
| 3.2 数据预处理 | 第29-35页 |
| 3.2.1 基于分布式的数据预处理框架 | 第31-32页 |
| 3.2.2 缴费数据预处理 | 第32-33页 |
| 3.2.3 住院数据预处理 | 第33-35页 |
| 3.3 实验结果与分析 | 第35-43页 |
| 3.3.1 实验设置 | 第35页 |
| 3.3.2 实验结果分析 | 第35-38页 |
| 3.3.3 风险因素分析 | 第38-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 基金结余风险预测研究 | 第44-62页 |
| 4.1 问题定义 | 第44-45页 |
| 4.2 相关知识 | 第45-49页 |
| 4.2.1 基于统计的时间序列预测方法 | 第45-47页 |
| 4.2.2 基于集成学习的时间序列预测方法 | 第47-49页 |
| 4.3 模型框架 | 第49-53页 |
| 4.3.1 多步长时间序列预测问题 | 第49-50页 |
| 4.3.2 算法流程 | 第50-53页 |
| 4.4 实验结果与分析 | 第53-61页 |
| 4.4.1 实验数据介绍 | 第53-54页 |
| 4.4.2 评估指标 | 第54-55页 |
| 4.4.3 结果分析 | 第55-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 违规欺诈风险检测研究 | 第62-80页 |
| 5.1 问题定义 | 第62-64页 |
| 5.2 相关知识 | 第64-66页 |
| 5.3 基于FDC算法的异常费用检测方法 | 第66-68页 |
| 5.3.1 簇异常因子定义 | 第66-67页 |
| 5.3.2 算法流程 | 第67-68页 |
| 5.4 基于FDP算法的异常费用检测方法 | 第68-71页 |
| 5.4.1 聚类算法剪枝 | 第69页 |
| 5.4.2 异常因子调整 | 第69页 |
| 5.4.3 算法流程 | 第69-71页 |
| 5.5 基于规则的异常频次检测方法 | 第71-72页 |
| 5.6 实验结果与分析 | 第72-79页 |
| 5.6.1 实验数据介绍 | 第72页 |
| 5.6.2 评估指标 | 第72页 |
| 5.6.3 实验结果分析 | 第72-77页 |
| 5.6.4 案例分析 | 第77-79页 |
| 5.7 本章小结 | 第79-80页 |
| 第六章 风险防控平台的研究与实现 | 第80-90页 |
| 6.1 系统介绍 | 第80-81页 |
| 6.2 系统架构 | 第81-85页 |
| 6.2.1 系统架构设计 | 第81-83页 |
| 6.2.2 系统架构实现 | 第83-85页 |
| 6.3 系统实现 | 第85-89页 |
| 6.4 本章小结 | 第89-90页 |
| 第七章 总结与展望 | 第90-92页 |
| 7.1 本文工作总结 | 第90-91页 |
| 7.2 未来工作展望 | 第91-92页 |
| 参考文献 | 第92-100页 |
| 致谢 | 第100-102页 |
| 攻读硕士学位期间发表论文和科研情况 | 第102页 |
