数据挖掘与信息融合技术在保险欺诈识别中应用

《数据挖掘与信息融合技术在保险欺诈识别中应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要摘要随着我国保险事业的迅速发展，保险信息量也迅速增长，导致信息的不确定性呈指数增长，尤其是保险欺诈方面的信息不确定性，对社会具有很大的破坏效应及潜在的危害。然而，传统的数据统计技术和分析已经难以达到防范要求，因此需要采用各种数据处理技术对保险欺诈行为进行有效甄别，才能进行有针对性的预测。数据挖掘是从海量数据中提取或“挖掘”有用知识的一种新技术。将它应用于保险欺诈的防范领域，可充分利用现有的保险数据库资源来归纳正常投保用户的规律，从而区分出不符合这些规律的异常数据，解决了传统技术难以达到防范要求的问题。信息融合技术主要

2、应用于军事领域，它的规划识别技术是基于“等和看”的原则,包括假设式驱动模型和锁孔式测试模型两种模型。本文主要是基于假设式驱动模型建立的保险欺诈行为范例库，该范例库能够对异常数据的进行测试与捕捉。本文结合数据挖掘与信息融合技术，建立了从三个角度出发，分三个阶段处理的识别保险欺诈行为的应用系统。第一阶段，从数据构造的角度出发，采用基于Bayes原理的AutoClass聚类算法，对保险业中的人寿及其相关险种进行了聚类分析处理。根据AutoClass聚类原理，提出了聚类模板匹配的方法识别输入的异常记录。第二阶段，从客户的经济角度

3、出发，应用信用评估模型对这些异常记录进行筛选，识别出新的数据类型和可疑记录。第三阶段，从行为特征的角度出发，采用基于信息融合的规划识别技术，对可疑记录的行为特征进行规划识别，使系统实现了对可疑记录的预测、识别，并根据识别结果实现系统自学习。关键词：数据挖掘，信息融合，聚类分析，规划识别，保险数据i万方数据AbstractAbstractWiththedevelopmentofinsuranceinchina,theinformationvolumeofinsurancerisesquicklyandextensively

4、.Theuncertaintyisgoingupinanexponentialway,especiallyintheinsurancefraud,theuncertaintyhassharplydestructionandpotentialdangertothesociety.Traditionaldatastatistictechnologyanddataanalysescannotsatisfythepreventativerequirements.Hence,variousdataprocessingtechnol

5、ogiesneedtobeadoptedtorecognizetheinsurancefraudandpreventthefraud.Dataminingisanewtechnique,whichcanpick-upordiscoverusefulknowledgefromverymassiveamountsofdata.Whendataminingisusedinthepreventativefieldofinsurancefraud,theabnormitydataagainsttheserulescanbereco

6、gnizedbymeansoftheresourcesofexistedinsurancedatabasetopickinguptherulesofnaturalpolicy-holder,andthen,dataminingtechniquemustbeadopted.Informationfusioniswidelyusedinmilitaryfields.Theplanningtechniquewithsomeinformationfusionbasedonthestrategyof“waitandsee”incl

7、udestwomodels:hypothesisdrivingmodelandlock-holetestingmodel.Thecasedatabaseofinsurancefraudbehaviorbasedonthehypothesisdrivenmodelisbuilttotestandcatchabnormityofdatainthispaper.Inthispaper，anapplicationsystemisproposedtorecognizeinsurancefraudwiththetechniquewh

8、ichcombinesthedataminingandtheinformationfusion.Thesystemisstudiedfromthreephasesandthreeaspects.Inthefirstphases,fromthepointofviewofdatastructure,theclusteri