长久以来,医疗行业中一直存在着一个愈发迫切的问题,即参保人数大、涉及金额高的医保基金却面临极其严重的违规风险。每年因欺诈产生的医保基金亏损已然超过100亿元,国家审计署曾在全国人大常委会上公开表示“医保欺诈问题是一项极为严峻的挑战”。由于医保资金的总体是有限的,违规直接占用的是那些真实患者的权益,甚至可能引发沉痛的医闹事件。现有的医保欺诈检测工作大多由特定审核人员以人工核验筛查的方式进行,不仅效率低下且不可避免地存在漏检、误检的情况。信息技术虽然无法准确定位违规记录,却可以辅助工作人员进行第一步的大规模筛查,通过离群点检测的方法锁定异常记录,将后续二次筛查的范围缩小,大大降低人工作业量。基于聚类的离群点检测具有步骤简单高效,适用性广等特点。但其效果很大程度上依赖对客观事物进行描述的精确性,且在不同类数据量差异很大时极易陷入局部最优,从而对聚类结果和检测的准确性产生显著影响。本文在详细分析传统聚类算法的基础上,提出了一种基于数据体量的区间图像模糊聚类算法,并将其应用于医保异常检测工作中,主要研究内容如下:(1)对当下医保异常审核方法进行调研,并分析现有相关研究中的不足。一般来说,依赖人工经验进行筛查的医保审核方式以疾病的临床路径作为参照,即同类型的疾病有着相似的诊疗措施和费用,而那些与多数临床路径相差较大的记录会被认作疑似欺诈的异常记录。此原理与机器学习算法中,离群点检测的方式与思路相似。基于此调研结果,本文通过对现有基于离群点检测方法进行医保异常检测的相关研究进行整理分析,选定聚类算法作为本文研究方法,并研究如何信息,完善对报销记录所属类群的描述,从而提升聚类的效果。(2)基于医保报销数据的不平衡特性,分析其对聚类产生的影响,有针对性的进行改进。研究在对医保数据集进行预处理和分析时发现,其中的异常记录较正常记录而言数据量极小,而此不平衡属性在传统聚类算法中会产生较少的数据集很大程度会被误分类至占比较大的数据集中,从而影响聚类结果。针对现有聚类准则在不平衡的数据样本上普遍存在的聚类效果差的问题,本文引入数据体量的概念提出了一个新的聚类准则(Imbalance-aimed Index,IAI),可在平衡与多种类型的不平衡数据中均产生较好的聚类效果。(3)基于提出的改进模糊聚类算法,提出一套完整的医保异常检测模型,并证明其精确度和全局最优性。在医疗领域,传统的硬划分限制了利用数据对报销记录实际情况进行更细致描述的可能,而模糊理论的引入解决了这一信息失真问题。本文通过引入较为前沿的区间图像模糊理论,基于c-harmonic聚类算法提出了一种改进的模糊聚类算法,不仅改善了传统模糊聚类在进行离群点检测时容易产生的局部最优问题,且考虑到了医保记录在进行归类时的不确定性,适用范围更广、鲁棒性更强。通过利用真实医保报销数据集对提出的检测算法进行验证,给出了医保记录的在区间图像模糊环境下的集成运算以及聚类结果。实验结果表明,该检测算法能够有效地判断医保异常记录且具有良好的检测率。