【技术实现步骤摘要】
本专利技术涉及数据处理，尤其涉及基于粒子群优化生成对抗网络的医保欺诈检测方法及装置。
技术介绍
1、在现有技术中，存在使用传统监督模型（例如逻辑回归、随机森林）来进行医疗保险欺诈检测的方式，但是由于医疗保险欺诈的真实样本占比极低，医疗保险数据存在极端类别不平衡的问题。传统监督模型在训练时因损失函数受多数类主导，对少数类敏感度显著降低，导致高漏检率和低泛化性能。现有技术中使用监督模型对医疗保险欺诈进行检测的准确性低。
技术实现思路
1、本专利技术提供基于粒子群优化生成对抗网络的医保欺诈检测方法及装置，用以解决现有技术中医疗保险欺诈检测准确性低的缺陷，实现提高医疗保险欺诈检测准确性的效果。
2、本专利技术提供一种基于粒子群优化生成对抗网络的医保欺诈检测方法，包括：
3、将随机噪声输入至已训练的生成对抗网络的生成器中，得到所述生成器输出的合成样本数据，所述合成样本数据包括合成样本待检测数据以及所述合成样本待检测数据对应的欺诈标签，所述生成对抗网络还包括判别器，所述生成对抗...
【技术保护点】
1.一种基于粒子群优化生成对抗网络的医保欺诈检测方法，其特征在于，包括：
2.根据权利要求1所述的基于粒子群优化生成对抗网络的医保欺诈检测方法，其特征在于，所述将随机噪声输入至已训练的生成对抗网络的生成器之前，包括：
3.根据权利要求2所述的基于粒子群优化生成对抗网络的医保欺诈检测方法，其特征在于，所述第二粒子群优化算法中粒子的适应度值基于第一公式确定；
4.根据权利要求1所述的基于粒子群优化生成对抗网络的医保欺诈检测方法，其特征在于，所述第一粒子群优化算法中粒子的适应度值中的局部密度计算公式为：
5.根据权利要求1所述...
【技术特征摘要】
1.一种基于粒子群优化生成对抗网络的医保欺诈检测方法，其特征在于，包括：
2.根据权利要求1所述的基于粒子群优化生成对抗网络的医保欺诈检测方法，其特征在于，所述将随机噪声输入至已训练的生成对抗网络的生成器之前，包括：
3.根据权利要求2所述的基于粒子群优化生成对抗网络的医保欺诈检测方法，其特征在于，所述第二粒子群优化算法中粒子的适应度值基于第一公式确定；
4.根据权利要求1所述的基于粒子群优化生成对抗网络的医保欺诈检测方法，其特征在于，所述第一粒子群优化算法中粒子的适应度值中的局部密度计算公式为：
5.根据权利要求1所述的基于粒子群优化生成对抗网络的医保欺诈检测方法，其特征在于，所述第一粒子群优化算法中粒子的适应度值中的全局多样性计算公式为：
6.根据权利要求1所述的基于粒子群优化生成对抗网络的医保欺诈检测...
【专利技术属性】
技术研发人员：牛奔，刘宁，杨杏，龚之策，周正，王龙风，
申请(专利权)人：深圳大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。