摘要
第1章 绪论
1.1 课题背景
1.2 相关研究概述
1.3 本文的工作
1.4 本文组织结构
第2章 相关算法概述
2.1 离群点检测算法概述
2.1.1 离群点的类型
2.1.2 离群点检测方法概述
2.1.3 局部离群点检测算法
2.1.4 离群点检测中的距离计算
2.2 BP神经网络概述
2.2.1 神经网络和BP神经网络的概念
2.2.2 BP神经网络算法
2.2.3 BP神经网络算法的优化
2.3 朴素贝叶斯和Logistic分类方法概述
2.3.1 朴素贝叶斯分类方法
2.3.2 Logistic回归分类方法
第3章 基于高效剪枝离群点检测算法研究
3.1 相关工作概述
3.2 基于距离离群点剪枝定理和估值方法
3.3 MFO和QMFO算法
3.3.1 MFO算法思想
3.3.2 QMFO算法思想
3.3.3 算法描述
3.4 实验结果与分析
3.4.1 实验一 总体运行时间和符合度测试
3.4.2 实验二 参数变化对速度和符合度的影响
3.4.3 实验三 QMFO的结果准确性实验
3.4.4 实验四 初始剪枝半径对算法准确性的影响
3.5 MFO算法的修正
3.6 结论
第4章 医保数据预处理
4.1 医保数据概况
4.2 数据预处理
4.2.1 数据规整
4.2.2 数据立方体聚集(上卷)
第5章 离群点检测在医保审核中的应用
5.1 待检测数据概况
5.2 一种面向医保数据的属性权值计算方法
5.3 离群点检测方法检测可疑处方实验
5.3.1 实验环境
5.3.2 白内障病例数据的实验及分析
5.3.3 胆结石病例数据上的实验结果
5.3.4 阑尾炎病例数据上的实验结果
5.4 QMFO算法和ORCA算法在胆结石数据上的对比实验
5.5 结论
第6章 神经网络模型在医保审核中的应用
6.1 D-M模型的建立
6.1.1 模型的输入输出和归一化
6.1.2 D-M模型建立过程
6.2 D-O模型的建立
6.2.1 模型的输入输出和归一化
6.2.2 D-O模型的建立过程
6.3 D-M模型和D-O模型应用于胆结石可疑处方检测
6.3.1 模型的修正
6.3.2 胆结石D-M模型和D-O模型的检测实验
6.4 结论
第7章 朴素贝叶斯和Logistic回归在医保审核中的应用可行性分析
7.1 实验环境
7.2 白内障数据上的实验结果
7.2.1 朴素贝叶斯分类
7.2.2 Logistic回归
7.3 胆结石数据上的实验结果
7.3.1 朴素贝叶斯分类
7.3.2 Logistic回归
7.4 讨论
第8章 总结和展望
参考文献
攻读硕士学位期间主要的研究成果
致谢