基于PSO的WFCM算法研究及其在医保欺诈行为发现中的应用

文档名：基于PSO的WFCM算法研究及其在医保欺诈行为发现中的应用
目的：在没有先验知识的前提下,采用基于粒子群优化算法(PSO)的加权模糊C-均值(WFCM)聚类算法,从30多万条记录的医疗保险数据中挖掘出疑似医疗保险欺诈的记录.方法：首先,引用改进的欧式距离、相似性函数以及交叉熵函数并通过PSO算法极小化交叉熵函数,对属性权重进行分析;其次,选取Calinski-Harabasz(CH)有效性指标,展开聚类有效性的研究;然后,基于数据预处理的结果将数据运用于PSO算法,不断更新得到各属性的权重,并运用聚类有效性评价中的CH有效性指标来动态估计最佳聚类个数,提高FCM聚类的速度;最后,将属性权重和最佳聚类数应用于FCM聚类算法,根据隶属度矩阵聚类得到疑似医疗保险欺诈结果.结果：基于上述研究方法,本研究根据最后的隶属度矩阵来进行聚类分析.结论：将优化的权重应用于加权FCM聚类算法与聚类有效性评价,既提高了聚类算法的高效性,又避免了主观评价对分类的影响.
作者：李华陈宁江
作者单位：广西大学计算机与电子信息学院,广西南宁530004
母体文献：广西计算机学会成立30周年庆典暨2016年学术年会论文集
会议名称：广西计算机学会成立30周年庆典暨2016年学术年会  
会议时间：2016年11月26日
会议地点：南宁
主办单位：广西计算机学会
语种：chi
分类号：
关键词：医疗保险  欺诈行为  数据挖掘  粒子群优化算法  加权模糊C-均值
在线出版日期：2019年6月26日
基金项目：
相似文献
相关博文

2024-12-10 13:27 上传 基于PSO的WFCM算法研究及其在医保欺诈行为发现中的应用.pdf

文件大小:

1.41 MB

下载次数:

60

高速下载