技術(shù)特征：

1.一種基于主成分分析算法的醫(yī)保欺詐識(shí)別方法，其特征在于，包括如下步驟：

步驟S1，獲取醫(yī)?；A(chǔ)數(shù)據(jù)，生成醫(yī)保結(jié)構(gòu)化數(shù)據(jù)集X；

步驟S2，對(duì)所述醫(yī)保結(jié)構(gòu)化數(shù)據(jù)集X中的各項(xiàng)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，生成標(biāo)準(zhǔn)化矩陣Z；

步驟S3，計(jì)算所述標(biāo)準(zhǔn)化矩陣Z的協(xié)方差矩陣R，并求解樣本協(xié)方差矩陣R的特征方程，確定主成分；

步驟S4，將標(biāo)準(zhǔn)化后的指標(biāo)變量轉(zhuǎn)換為主成分得分；

步驟S5，分別計(jì)算每個(gè)主成分得分的均值和標(biāo)準(zhǔn)差，根據(jù)切比雪夫定律計(jì)算每個(gè)主成分維度下的異常閾值；

步驟S6，以每個(gè)主成分為坐標(biāo)，制作二維空間散點(diǎn)圖，將每個(gè)散點(diǎn)代表實(shí)際醫(yī)保賬戶，判斷大于步驟S5中異常閾值的醫(yī)保報(bào)銷賬號(hào)視為異常帳號(hào)，將異常帳號(hào)以可視化形式進(jìn)行呈現(xiàn)。

2.如權(quán)利要求1所述的基于主成分分析算法的醫(yī)保欺詐識(shí)別方法，其特征在于，在所述步驟S1中，所述醫(yī)?；A(chǔ)數(shù)據(jù)，包括：醫(yī)保基金帳號(hào)、每個(gè)帳號(hào)基金報(bào)銷總額、門診天數(shù)、基金報(bào)銷比例和門診花費(fèi)總額。

3.如權(quán)利要求2所述的基于主成分分析算法的醫(yī)保欺詐識(shí)別方法，其特征在于，在所述步驟S1中，計(jì)算每個(gè)醫(yī)?；鹳~號(hào)每天門診花費(fèi)總額和基金報(bào)銷總額，進(jìn)而計(jì)算每年門診報(bào)銷總天數(shù)、基金報(bào)銷額和基金報(bào)銷比例，生成醫(yī)保結(jié)構(gòu)化數(shù)據(jù)集X。

4.如權(quán)利要求1所述的基于主成分分析算法的醫(yī)保欺詐識(shí)別方法，其特征在于，在所述步驟S2中，

采集樣本向量x＝(X₁,X₂,X₃)^T)，n個(gè)樣品xi＝(x_i1,x_i2,x_i3)T，i＝1,2,…,n，進(jìn)行如下標(biāo)準(zhǔn)化變換：

$Z_{ij}=\frac{x_{ij}-{\stackrel{\‾}{x}}_j}{s_j},i=1,2,...,n;j=1,2,...,p$

其中p為特征變量個(gè)數(shù)，得到標(biāo)準(zhǔn)化矩陣Z。

5.如權(quán)利要求1所述的基于主成分分析算法的醫(yī)保欺詐識(shí)別方法，其特征在于，在所述步驟S3中，所述協(xié)方差矩陣R為：

$R={\[r_{ij}\]}_{p}xp=\frac{Z^{T}Z}{n-1}$

其中，k為樣本數(shù)。

6.如權(quán)利要求5所述的基于主成分分析算法的醫(yī)保欺詐識(shí)別方法，其特征在于，在所述步驟S3中，所述求解樣本協(xié)方差R的特征方程，確定主成分，包括:

計(jì)算樣本協(xié)方差矩陣R的特征方程|R-λI_p|＝0，得到p個(gè)特征根,確定主成分；根據(jù)其中，λ為特征值、m為待選主成分?jǐn)?shù)、p為變量數(shù)，當(dāng)取2個(gè)主成分PC1和PC2時(shí)，對(duì)每個(gè)λj,計(jì)算方程組Rb＝λjb，得到單位特征向量其中，j＝1,2。

7.如權(quán)利要求5所述的基于主成分分析算法的醫(yī)保欺詐識(shí)別方法，其特征在于，在所述步驟S4中，所述將標(biāo)準(zhǔn)化后的指標(biāo)變量轉(zhuǎn)換為主成分得分，包括：

$U_{ij}=z_i^T{b}_j^o,j=1,2,...,m,$

其中，U_ij為每個(gè)樣本主成分得分，各樣本主成分總得分＝U1+U2。

8.如權(quán)利要求1所述的基于主成分分析算法的醫(yī)保欺詐識(shí)別方法，其特征在于，在所述步驟S5中，所述根據(jù)切比雪夫定律計(jì)算每個(gè)主成分維度下的異常閾值，包括：

max＝mean+4*std，

其中，max為異常閾值，mean為主成分得分的均值，std為主成分得分的標(biāo)準(zhǔn)差。