周田

摘 要：对于医保欺诈的主动发现，我们采用非监督的聚类分析和监督的模式分类相结合的方法来识别欺诈记录。我们用训练的分类器对剩余的样本进行预测，识别出可能的诈骗样本。用户可根据需要选择不同的分类器识别欺诈行为，这样就可实现自动化式识别医保欺诈。

关键词：医保欺诈；主动发现；聚类分析；数据挖掘；模式识别

1 问题提出

当今我国医保制度上仍存在着一些漏洞，比如医保欺诈现象。公民、法人或者其他组织在参加医疗保险、享受医疗保险待遇过程中，故意捏造事实、隐瞒真实情况等造成医疗保险基金损失的行为。骗保人进行医保欺诈时使用了很多手段。在不同的医院和医生处重复配药，开了大量数目的医药且单个医药费用高，单张处方药费特别高。这些情况都需要考虑的医保欺诈现象。根据一定的数据需要解决问题：主动发现医疗保险欺诈。

2 问题分析

前提是有许多病人的数据，有些数据能反映出病人在不同科室看病的，有些反映出医疗账单号数目多，有些反映单张处方费用高等。这都与医保欺诈有着一定的关联。寻找这些与医保欺诈有关的数据。这些数据中提取特征，利用特征进行聚类分析并定义类别，利用支持向量机训练并构建一个能主动发现医疗保险欺诈的模型。并检测这个模型的是否具有使实用性。

3 模型的建立与求解

（一）数据的标准化处理

对数据进行标准化处理，即：新数据=（原数据-均值）/标准差