随着我国医疗改革的不断发展与深入,参与医疗保险的人群范围越来越广,与此同时,医保欺诈及违规行为频频发生,致使国家每年损失大量的医保基金,因此建立起一个高效的医保异常检测模型显得尤为重要。目前对于医保欺诈及违规行为的审查主要是通过人工抽查样本并结合专家经验知识判断进行的,在面对日益增长的医保数据时审核方法存在工作量大、效率不高等问题。对此就有不少学者引入分类或者聚类等数据挖掘技术进行了医保异常检测研究,通过这两类算法构建出的检测模型在医保异常检测中取得了一定成效,但结合分类、聚类算法的原理及异常样本的特点进行深入分析可以发现,单独运用这两类算法进行异常检测仍然会存有一些不足之处。对于分类算法来说,形式多样的医保欺诈违规手段使得医保样本在不同的指标上表现出异常,如此一来就使得分类算法难以通过一个划分超平面将所有的正负样本区分开来;对于聚类算法来说,隐蔽的医保欺诈及违规行为时常伴有医疗相关人员的参与,这些行为产生的样本数据与正常的样本数据会存有一定程度的相似性,从而使得在聚类过程中正常样本和异常样本会混合在一起。基于这一背景,本文利用聚类和分类算法相结合构建出新的医保异常检测模型,并对该检测模型的核心环节进行了优化,以提高其对医保异常样本的检测效果。本文主要的研究工作如下:(1)提出了结合自组织特征映射(Self-Organizing Feature Map,SOMF)聚类和随机森林(Random Forest,RF)分类算法的医保异常检测模型。基于现有的医保住院数据,依据医保审核规则对医保样本进行异常和正常的划分,对于处理后的医保样本先通过SOFM神经网络算法进行聚类,异常样本会根据医保欺诈及违规行为的方式划分到不同的聚类簇中,接着对聚类簇中的正负样本运用随机森林算法进行训练生成分类模型,如此一来就相当于在原始医保样本中建立起了多个划分超平面,从而能够提升对医保异常样本的识别效果。(2)为了优化聚类过程,本文运用主成分分析(Principal Compinent Analysis,PCA)改进了SOFM神经网络聚类算法。对医保样本进行PCA处理,消除变量间的冗余信息以及降低样本维度,将处理后的医保样本输入到SOFM神经网络算法中进行训练,有效地减少了聚类过程中的收敛时间和迭代次数。(3)为了解决数据不平衡问题,提出了一种新的采样模式,在聚类的基础上进行SMOTE过采样,进而形成了SOFM-SMOTE组合算法模型。(4)为了更好发挥随机森林算法在医保样本中的分类效果,运用加权基分类器法对随机森林算法进行改进,根据分类效果的性能指标对每个决策树算法赋予权重,充分利用了高性能决策树的分类能力以及降低了低性能决策树的负面影响。最后将构建的医保异常检测模型应用在实际医保住院数据当中,通过精准率、召回率、F1值等评价指标进行了模型效果的对比分析,实验结果证明本文构造的医保异常检测模型在实际应用中具有可行性和高效性。