| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-23页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究目的和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-19页 |
| 1.2.1 医疗保险欺诈的定义 | 第13-14页 |
| 1.2.2 医疗保险欺诈风险分析 | 第14-16页 |
| 1.2.3 医疗保险欺诈识别的研究 | 第16-19页 |
| 1.3 论文创新点 | 第19-20页 |
| 1.4 论文组织结构 | 第20-23页 |
| 2 理论基础和关键技术 | 第23-39页 |
| 2.1 数据挖掘技术 | 第23-28页 |
| 2.1.1 数据挖掘的定义 | 第23页 |
| 2.1.2 数据挖掘的任务 | 第23-24页 |
| 2.1.3 数据挖掘的流程 | 第24-26页 |
| 2.1.4 数据挖掘主要方法 | 第26-27页 |
| 2.1.5 WEKA数据挖掘工具 | 第27-28页 |
| 2.2 BP神经网络算法 | 第28-32页 |
| 2.2.1 BP神经网络的定义、特点及应用 | 第28-29页 |
| 2.2.2 BP神经网络结构 | 第29-30页 |
| 2.2.3 BP算法的推导过程 | 第30-31页 |
| 2.2.4 BP算法的实现步骤及流程 | 第31-32页 |
| 2.3 关联规则算法 | 第32-35页 |
| 2.3.1 关联规则中的相关概念及重要的性质 | 第32-34页 |
| 2.3.2 关联规则的挖掘步骤 | 第34页 |
| 2.3.3 关联规则挖掘算法分类 | 第34-35页 |
| 2.4 基于粗糙集的属性约简算法 | 第35-39页 |
| 2.4.1 粗糙集基本理论 | 第35-37页 |
| 2.4.2 属性约简算法 | 第37-39页 |
| 3 智能医疗保险稽核系统架构 | 第39-55页 |
| 3.1 医疗保险监管现状 | 第39-41页 |
| 3.1.1 医疗保险信息管理平台运行模式 | 第39-40页 |
| 3.1.2 医疗保险稽核现状 | 第40-41页 |
| 3.2 系统集成技术 | 第41-46页 |
| 3.2.1 SOA架构 | 第42-43页 |
| 3.2.2 Web Services技术 | 第43-44页 |
| 3.2.3 医疗保险信息系统与智能医疗保险稽核系统集成 | 第44-46页 |
| 3.3 系统体系结构 | 第46-55页 |
| 3.3.1 数据获取层 | 第47-50页 |
| 3.3.2 数据预处理层 | 第50-51页 |
| 3.3.3 数据挖掘引擎层 | 第51-53页 |
| 3.3.4 服务与管理层 | 第53-55页 |
| 4 系统知识库、规则库、模型库设计 | 第55-79页 |
| 4.1 知识库设计 | 第55-67页 |
| 4.1.1 常见的几类知识 | 第55-58页 |
| 4.1.2 药品相互作用知识 | 第58-61页 |
| 4.1.3 常用药知识 | 第61-67页 |
| 4.2 规则库设计 | 第67-76页 |
| 4.2.1 规则类型 | 第67-68页 |
| 4.2.2 规则说明 | 第68-76页 |
| 4.3 模型库设计 | 第76-79页 |
| 4.3.1 模型结构 | 第76-77页 |
| 4.3.2 模型构建流程 | 第77-79页 |
| 5 智能医疗保险稽核系统实现与应用 | 第79-97页 |
| 5.1 应用背景介绍 | 第79-80页 |
| 5.2 系统实现 | 第80-92页 |
| 5.2.1 系统开发平台 | 第80-81页 |
| 5.2.2 系统功能模块 | 第81-82页 |
| 5.2.3 知识库管理模块 | 第82-86页 |
| 5.2.4 模型管理模块 | 第86-91页 |
| 5.2.5 监测模型应用模块 | 第91-92页 |
| 5.3 智能医疗保险稽核系统在医疗保险监管工作中的应用 | 第92-97页 |
| 5.3.1 医疗保险就诊信息稽核 | 第93-94页 |
| 5.3.2 两定医疗机构违规统计 | 第94-96页 |
| 5.3.3 参保人员违规统计与管理 | 第96-97页 |
| 6 结论与展望 | 第97-99页 |
| 6.1 本文工作回顾 | 第97-98页 |
| 6.2 研究展望 | 第98-99页 |
| 参考文献 | 第99-105页 |
| 附录 | 第105-111页 |
| 攻读学位期间的研究成果 | 第111-113页 |
| 致谢 | 第113页 |