基于加权K-均值和PSO算法的医保欺诈检测研究
随着经济的发展,越来越多的人参与医疗保险,享受到医保福利,但医保欺诈却给医疗保险基金带来了巨大的损失.针对传统的医保欺诈检测耗时长、效率低的问题,提出一种结合粒子群算法的加权K-均值的算法,从近30万条医疗记录中检测出疑似欺诈的记录.加权的K-均值算法将不同的属性赋予不同的权重值,为了得到一组根据数据的特性所得的权重值,引进权重指标评价函数CFuzziness(w).当权重指标评价函数取极小值时,得到最优的权重值.采用粒子群优化算法来求解最优的权重值.聚类问题中簇类数目通常由用户确定,文中则用一种评估聚类的标准来确定最优的聚类数目.实验证明,算法不仅检测效率较高,还避免了主观评价对于检测的影响.
K-均值、粒子群优化、权重指标评价函数、聚类、医保欺诈
14
TP3(计算技术、计算机技术)
湖南省教育厅科学研究项目:基于机器学习的医保欺诈行为自动检测模型的构建研究16C1201;湖南省大学生研究性学习和创新性实验计划项目:基于数据挖掘技术的医保欺诈行为自动检测研究
2018-12-05(万方平台首次上网日期,不代表论文的发表时间)
共4页
197-199,205