数据挖掘和信息融合在保险业欺诈识别中应用.pdf

《数据挖掘和信息融合在保险业欺诈识别中应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、计算机与现代化%""(年第)期PQAE.2PQ7ERQ.2:.Q0E.总第!%!期文章编号：!""#$%&’(（%""(）")$"!!"$"*数据挖掘和信息融合在保险业欺诈识别中的应用陈辉金，韩元杰（桂林电子工业学院计算机系，广西桂林(&!""&）摘要：利用数据挖掘和信息融合技术对保险业欺诈行为进行预测。通过概念聚类识别孤立点，运用规划识别技术和贝叶斯因果网络实现目标的预测、识别，最终实现系统自学习。关键词：数据挖掘；信息融合；概念聚类；孤立点；规划识别中图分类号：+,*!!-!*；+,*)!文献标识码：

2、.!""#$%&’$()(*+&’&,$)$)-&)./)*(01&’$()234$()$)/)430&)%520&3.65%(-)$’$()/012034$546，0.27386$549（:9;8<=>96=?@/?>;3=99=I?K@?<46G3<86B9@<83KL4=I=I9I9D;?@K

3、8=8>4646J86K46@?<>8=4?6@3G4?6-+I9GHG=9>8;;D49GB?6B9;=38DBD3G=9<46J=9BI6?D?JH=?<9B?J64M9?3=D49B863;K8=94=G9D@-859:(0.4：K8=8>4646J；46@?<>8=4?6@3G4?6；B?6B9;=38DBD3G

4、=9<46J；?3=D49<；;D86<9B?J64=4?6该课题是在非军事领域应用方面对信息融合技术的;引言扩展，结合数据挖掘技术在应用领域进行进一步的探有效利用各种理论技术分析和预测各种保险欺索，是对数据挖掘技术和信息融合技术的一个全新的诈行为及犯罪心理，找到行之有效的防范模型与方尝试。系统框图如图!所示。主要工作集中在判定法，是科技人员正在努力研究的一个课题。譬如，在规则模块及对孤立点规划识别模块。利用数据挖掘信用系统里的规划识别［!］，保险欺诈行为的博弈分技术对客户数据进行概念聚类，产生每类投保客

5、户的析［%］，用于评价保险欺诈行为的模糊专家系统［*］等等。判定标准。对于新输入对象，先与其相关特征比较，当前澳大利亚、加拿大、德国、意大利、挪威、英国和美对不符合现有标准的对象视其为孤立点即特征性另国等国都针对已经存在的犯罪行为建立了知识库，如类点，然后利用信息融合技术进行预测、识别，实现对何建立我们自己的识别、评价、分类、诊断库、行为活动保险行业中的欺诈行为进行预测、识别，同时更新系规则库和投影证据库，成为了一个新的研究方向。统知识库达到经验共享的目的，有效遏制相关流窜作虽然保险欺诈中的犯罪行为是千差

6、万别的，但都案犯罪行为。具有共同的行为规律，如行为矢量特征及不断假设、递推、检验、试探等过程，还有类似的反侦查和伪装的方式。所以，根据对保险欺诈行为的研究，可以寻找到一条高效的反保险欺诈途径。本文结合数据挖掘和信息融合技术，实现了系统的自学习建模。信息融合技术的应用长期以来集中图!保险欺诈预测处理系统组成框图在军事领域，研究工作集中在方法论建立相关的数学模型上，很少进一步地深入到某些非军事应用领域。收稿日期：%""&$!!$!)作者简介：陈辉金（!)’’$），女，贵州兴仁人，桂林电子工业学院计算机系硕士研

7、究生，研究方向：数据融合与信息融合；韩元杰（!)&"$），男，北京人，研究员，研究生导师，研究方向：数据融合、信息融合、光电对抗、电子对抗、智能化检测。(WW!年第X期陈辉金等：数据挖掘和信息融合在保险业欺诈识别中的应用象的匹配节点。这个判定基于将对象临时置于每个!概念聚类节点，并计算结果划分的分类效用。产生最高分类效概念聚类［!］是机器学习中的一种聚类方法，给出用的位置应当是对象节点一个好的选择。一组未标记对象，它产生对象的一个分类模式。与传"孤立点挖掘统的聚类不同，概念聚类除了确定相似对象的分组外，还

8、向前走了一步，为每组对象发现了特征描述，即孤立点是指经常存在一些数据对象，它们不符合每组对象代表了一个概念或类。数据的一般模型。这样的数据对象被称为孤立点或"#$%&$是一种简单增量概念聚类算法，它的输另类点（#=29+36）。孤立点挖掘可以描述如下：给定一入对象用分类属性’值对来描述，并以一个分类树的个:个数据点或对象的集合，及预期的孤立点的数目形式创建层次聚类，图(显示了一棵基于该算法的某0，发现与剩余的数据相比是显著相异