序列模式挖掘在医疗保险上的应用

论文摘要

随着社会医疗保险的发展,参保人员的医疗信息数据快速膨胀,如何从日益庞大医疗数据库中提取有价值的内容来分析医疗保险的现状正成为迫切需要。本文将序列模式挖掘算法与医疗保险数据库结合起来,将基于周期时间约束的序列模式挖掘算法在医疗保险数据库中进行应用。首先分析了目前主流序列模式挖掘算法的内容,针对其特点说明了目前流行的类Apriori算法和基于模式增长的算法对基于周期约束的时间数据有一定的局限性,然后借鉴并改进PCSmine算法,并用社会医疗保险医疗数据库进行验证,表明算法有较高效率。本文主要工作有以下几个方面：1.对数据挖掘的准备工作——数据预处理进行了深入学习研究,对主流的多数据源和单数据源整合清洗算法有了详细了解。并结合郑州市社会医疗保险软件neucleaning算法对多元数据库进行整合清洗实践。2.在分析的基于约束的序列模式挖掘各种类型的基础上,重点研究基于时间粒度的序列模式挖掘算法PCSmine,并修改优化了算法中的一个HP-CSB数据结构,使用neucleaning算法预处理过的医疗保险数据库中进行效率验证,表明算法运行效率有了一定的提高。

论文目录

• 摘要
• Abstract
• 目录
• 图的目录
• 表的目录
• 第一章 绪论
• 1.1 课题的研究背景和意义
• 1.2 数据挖掘的定义
• 1.3 行业研究现状及名词定义
• 1.4 数据挖掘的功能与分类
• 1.4.1 数据挖掘的功能定义
• 1.4.2 数据挖掘的分类
• 1.5 序列模式挖掘
• 1.5.1 序列模式挖掘的应用领域
• 1.5.2 序列模式挖掘的研究现状及应用
• 1.6 课题的主要研究内容及本文结构
• 第二章 序列模式挖掘基础理论
• 2.1 序列模式挖掘的基本模型
• 2.2 序列模式挖掘算法
• 2.2.1 AprioriAll算法
• 2.2.2 FreeSpan算法
• 2.2.3 SPADE算法
• 2.2.4 SPAM算法
• 2.2.5 以上算法的性能分析
• 2.3 本章小结
• 第三章 数据预处理——数据清洗
• 3.1 数据清洗简介
• 3.2 数据清洗原理与流程
• 3.3 数据清洗的分类
• cleaning描述与实现'>3.4 neu_cleaning描述与实现
• 3.5 本章小结
• 第四章 基于约束的序列模式
• 4.1 基于约束的序列模式挖掘的产生
• 4.2 约束与基于约束的序列模式
• 4.2.1 常见约束及分类
• 4.2.2 基于约束的序列模式挖掘算法
• 4.3 周期性约束的算法的问题定义
• 4.3.1 传统算法在周期性序列模式中的缺陷
• 4.3.2 问题定义
• 4.4 PCS mine算法的设计
• 4.4.1 预处理周期约束
• 4.4.2 构造HP-CSB结构
• 4.4.3 生成候选集
• 4.4.4 PCS mine算法
• 4.5 修改HP-CSB结构得到HP1-CSB
• 4.6 算法理论性能分析
• 4.7 本章小结
• 第五章 算法实现与实验结果
• 5.1 数据集的来源
• 5.2 PCS mine算法的实现与实验结果分析
• 5.2.1 环境及数据集的设置
• 5.2.2 实验结果分析
• 5.3 本章小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 进一步的工作
• 致谢
• 参考文献