改进黑翅鸢算法优化CatBoost的不平衡医保数据的欺诈检测
来源：计算机工程与应用杂志2026年第9期北京时间：
作者：李原, 刘升
单位：上海工程技术大学 管理学院，上海 201620；
摘要：针对医保监管存在使用主体多、链条长、风险点多的问题，现有大多数研究未考虑高维不平衡医保数据的处理，降低了结果的准确性。为此，提出了一种融合ADASYN处理技术和改进的黑翅鸢算法（IBKA）优化CatBoost的医保欺诈检测模型（ADASYN-IBKA-Catboost）。针对数据不平衡问题，对比SMOTE、Tomek Links、SMOTE-Tomek Links、ROS、RUS、NearMiss、ADASYN数据处理方法，并使用F1分数、Precision、Recall、ROC曲线和AUC指标衡量。针对黑翅鸢算法寻优精度不高、收敛速度慢的问题，采用Circle混沌映射、非均匀变异策略及正态云模型优化黑翅鸢算法，使用CEC2022函数对比近几年先进的智能算法及变体测试其性能。用IBKA对CatBoost的深度和学习率进行优化，将其应用于医保欺诈行为的识别，结合上述7种数据处理技术与6种主流模型RF、XGBoost、CatBoost、SVM、GBDT的组合进行效果对比。结果发现，选取的ADASYN-IBKA-CatBoost的整体表现最优。
关键词：黑翅鸢算法,医保欺诈识别,Catboost模型,不平衡数据
基金资助：国家自然科学基金（61673258，61075115）；上海市自然科学基金（19ZR1421600）。
