数据挖掘与信息融合技术在保险欺诈识别中的应用

摘要

随着我国保险事业的迅速发展,保险信息量也迅速增长,导致信息的不确定性呈指数增长,尤其是保险欺诈方面的信息不确定性,对社会具有很大的破坏效应及潜在的危害。然而,传统的数据统计技术和分析已经难以达到防范要求,因此需要采用各种数据处理技术对保险欺诈行为进行有效甄别,才能进行有针对性的预测。
　　数据挖掘是从海量数据中提取或“挖掘”有用知识的一种新技术。将它应用于保险欺诈的防范领域,可充分利用现有的保险数据库资源来归纳正常投保用户的规律,从而区分出不符合这些规律的异常数据,解决了传统技术难以达到防范要求的问题。
　　信息融合技术主要应用于军事领域,它的规划识别技术是基于“等和看”的原则,包括假设式驱动模型和锁孔式测试模型两种模型。本文主要是基于假设式驱动模型建立的保险欺诈行为范例库,该范例库能够对异常数据的进行测试与捕捉。
　　本文结合数据挖掘与信息融合技术,建立了从三个角度出发,分三个阶段处理的识别保险欺诈行为的应用系统。第一阶段,从数据构造的角度出发,采用基于Bayes原理的AutoClass聚类算法,对保险业中的人寿及其相关险种进行了聚类分析处理。根据AutoClass聚类原理,提出了聚类模板匹配的方法识别输入的异常记录。第二阶段,从客户的经济角度出发,应用信用评估模型对这些异常记录进行筛选,识别出新的数据类型和可疑记录。第三阶段,从行为特征的角度出发,采用基于信息融合的规划识别技术,对可疑记录的行为特征进行规划识别,使系统实现了对可疑记录的预测、识别,并根据识别结果实现系统自学习。

目录

封面

中文摘要

英文摘要

目录

第一章 绪论

§1.1 保险欺诈识别的背景

§1.2 数据挖掘在保险业欺诈识别中的应用

§1.3 信息融合在保险欺诈识别中的应用

§1.4 论文研究内容的提出以及研究意义

§1.5 论文涉及的工作和内容

§1.6 论文的主要结构

第二章 数据预处理

§2.1 数据清理

§2.2 数据集成

§2.3 数据变换

§2.4 保险数据预处理

第三章 数据挖掘算法的选择

§3.1 数据挖掘概述

§3.2 基于模型的聚类方法

§3.3 常见概念聚类算法比较

第四章 AutoClass概念聚类算法

§4.1 引言

§4.2 Bayes分类原理

§4.3 AutoClass算法

§4.4 AutoClass算法在保险数据上的应用

第五章 基于规划识别步的识别和预测

§5.1 规划识别概述

§5.2 规划识别模型

§5.3 规划识别在保险欺诈的预测和识别方面的应用

§5.4 客户信用评估模型在规划识别处理前的应用

第六章 系统方案设计

§6.1 系统总体结构设计

§6.2 聚类处理模块设计

§6.3 信用度评估模块设计

§6.4 规划识别模块设计

第七章 系统实现和实例验证

§7.1 数据准备

§7.2 聚类模块的实现

§7.3 信用评估模块的实现和验证

§7.4 规划识别模块的实现

§7.5 综合评价模块的实现

§7.6 系统的测试

结论

致谢

参考文献