數(shù)學(xué)建模醫(yī)保欺詐模型的主動(dòng)發(fā)現(xiàn)

全國(guó)大學(xué)生數(shù)學(xué)建模競(jìng)賽選拔賽承諾書(shū)我們完全明白，在競(jìng)賽開(kāi)場(chǎng)后參賽隊(duì)員不能以任何方式〔包括、電子、網(wǎng)上咨詢(xún)等〕與隊(duì)外的任何人〔包括指導(dǎo)教師〕研究、討論與賽題有關(guān)的問(wèn)題。我們知道，抄襲別人的成果是違反競(jìng)賽章程和參賽規(guī)則的，如果引用別人的成果或其他公開(kāi)的資料〔包括網(wǎng)上查到的資料〕，必須按照規(guī)定的參考文獻(xiàn)的表述方式在正文引用處和參考文獻(xiàn)中明確列出。我們重承諾，嚴(yán)格遵守競(jìng)賽章程和參賽規(guī)則，以保證競(jìng)賽的公正、公平性。如有違反競(jìng)賽章程和參賽規(guī)則的行為，我們將受到嚴(yán)肅處理，并取消參賽資格。我們參賽選擇的題號(hào)是〔從A/B/C/D中選擇一項(xiàng)填寫(xiě)〕：A參賽隊(duì)員(打印后再手簽):：1.2.3.指導(dǎo)教師或指導(dǎo)教師組負(fù)責(zé)人(沒(méi)有可不填寫(xiě))： 〔論文紙質(zhì)版與電子版中的以上信息必須一致，只是電子版中無(wú)需簽名。以上容請(qǐng)仔細(xì)核對(duì)，提交后將不再允許做任何修改。如填寫(xiě)錯(cuò)誤，論文可能被取消評(píng)獎(jiǎng)資格?！橙掌冢?015年7月29日醫(yī)保欺詐的主動(dòng)發(fā)現(xiàn)摘要醫(yī)療保險(xiǎn)是關(guān)系到國(guó)計(jì)民生和國(guó)家開(kāi)展的重大問(wèn)題，醫(yī)保欺詐問(wèn)題嚴(yán)重威脅醫(yī)?；鹌桨?，阻礙醫(yī)保政策的有效實(shí)施，因此醫(yī)保欺詐行為的主動(dòng)發(fā)現(xiàn)對(duì)醫(yī)療保險(xiǎn)的開(kāi)展、完善和社會(huì)穩(wěn)定開(kāi)展有重大的意義。本提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的識(shí)別的鑒別醫(yī)保欺詐行為的方法。對(duì)于數(shù)據(jù)的處理，我們選擇了E*cel和Access根據(jù)病人ID將表2.1病人資料和表2.2費(fèi)用明細(xì)表進(jìn)展了匯總和歸一，并剔除了包括記錄不完整、格式錯(cuò)誤之的無(wú)效數(shù)據(jù)，在這個(gè)過(guò)程中我們發(fā)現(xiàn)了所有的消費(fèi)記錄只是買(mǎi)藥，并且在這個(gè)月的消費(fèi)記錄中只有極少數(shù)病人存在轉(zhuǎn)科室行為，而且一局部病人是自費(fèi)的，沒(méi)有醫(yī)保欺詐嫌疑，還有一些病人存在多人共用醫(yī)?？ǖ默F(xiàn)象，直接確定其為醫(yī)保欺詐，這些病人的消費(fèi)記錄為我們訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)提供了樣本支持。對(duì)于這個(gè)問(wèn)題，我們首先用E*cel和Access從大量的數(shù)據(jù)中篩選出了對(duì)欺詐識(shí)別有用的信息，其中包括病人的年齡，性別，所在科室，當(dāng)月總消費(fèi)以及當(dāng)月消費(fèi)頻率等等你，又考慮到不同科室的消費(fèi)情況存在差異因此我們求出了各個(gè)科室的平均消費(fèi)額，并且做出了每個(gè)病人當(dāng)月的消費(fèi)對(duì)對(duì)應(yīng)科室平均消費(fèi)的相對(duì)差。有了這些欺詐因子和自費(fèi)患者以及共用醫(yī)?？ɑ颊叩南M(fèi)記錄，我們建立了Logistic二元回歸模型，來(lái)評(píng)估各個(gè)欺詐因子對(duì)欺詐的可能性大小的影響進(jìn)而剔除了對(duì)欺詐可能性無(wú)效的欺詐因子，保存了對(duì)欺詐可能性影響顯著的欺詐因子作為輸入向量對(duì)BP神經(jīng)進(jìn)展訓(xùn)練，并且用訓(xùn)練后的網(wǎng)絡(luò)對(duì)醫(yī)保病人進(jìn)展了欺詐識(shí)別。最終我們認(rèn)為輸出結(jié)果為1的病人具有重大醫(yī)保欺詐嫌疑。關(guān)鍵詞醫(yī)保欺詐Logistic二元回歸BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)問(wèn)題重述1.1問(wèn)題背景醫(yī)療保險(xiǎn)是為解決公民或勞動(dòng)者因?yàn)榧膊『头且蚬?fù)傷，喪失勞動(dòng)能力后的治療費(fèi)用及效勞，給予物質(zhì)幫助的一種社會(huì)保險(xiǎn)制度。醫(yī)療保險(xiǎn)欺詐行為是指違反醫(yī)療保險(xiǎn)管理法規(guī)和政策，采用虛構(gòu)事實(shí)、隱瞞真相以及其他方法，向醫(yī)?；鸸芾頇C(jī)構(gòu)騙取醫(yī)?；鸹蜥t(yī)保待遇的行為。這一行為具有兩個(gè)根本特征：一是主觀表現(xiàn)為直接成心，并且以非法占有醫(yī)保基金或非法獲得醫(yī)保待遇為目的，二是實(shí)施手段主要是通過(guò)虛構(gòu)事實(shí)和隱瞞真相，即成心虛構(gòu)未曾發(fā)生的保險(xiǎn)事故，或者對(duì)發(fā)生的保險(xiǎn)事故編造虛假的原因或者夸張損失程度，以到達(dá)騙取醫(yī)療保險(xiǎn)基金或醫(yī)療保險(xiǎn)待遇的目的。我國(guó)自城鎮(zhèn)職工醫(yī)療保險(xiǎn)和新農(nóng)村合作醫(yī)療制度實(shí)施以來(lái)，欺騙醫(yī)保基金的案件不斷發(fā)生，事實(shí)上，醫(yī)療保險(xiǎn)欺詐在許多國(guó)家每年都有數(shù)億美元的損失，對(duì)醫(yī)?；鹌桨矘?gòu)成了重大的威脅，阻礙了各國(guó)醫(yī)保政策的實(shí)施，因此醫(yī)療保險(xiǎn)欺詐已成為各國(guó)非常重視的社會(huì)問(wèn)題利用數(shù)學(xué)建模的方法分析醫(yī)療保險(xiǎn)欺詐行為，建立相應(yīng)的數(shù)學(xué)模型可為發(fā)現(xiàn)醫(yī)療保險(xiǎn)欺詐問(wèn)題提供科學(xué)有力的依據(jù)。1.2問(wèn)題描述醫(yī)療保險(xiǎn)欺詐行為具有兩個(gè)根本特征：一是主觀表現(xiàn)為直接成心，并且以非法占有醫(yī)?；鸹蚍欠ǐ@得醫(yī)保待遇為目的；二是實(shí)施手段主要是通過(guò)虛構(gòu)事實(shí)和隱瞞真相，即成心虛構(gòu)未曾發(fā)生的保險(xiǎn)事故，或者對(duì)發(fā)生的保險(xiǎn)事故編造虛假的原因或者夸張損失程度，以到達(dá)騙取醫(yī)療保險(xiǎn)基金或醫(yī)療保險(xiǎn)待遇的目的。騙保人進(jìn)展醫(yī)保欺詐時(shí)通常使用的手段有冒用他人醫(yī)療保險(xiǎn)證、卡就醫(yī)；異地就醫(yī)人員偽造或虛開(kāi)醫(yī)療票據(jù)回來(lái)報(bào)銷(xiāo)；“掛床〞住院就醫(yī)；要求醫(yī)院開(kāi)具本人不必要的診療工程或藥品，由他人代作或代用等。下面這些情況都有可能是醫(yī)保欺詐：?jiǎn)翁幏剿庂M(fèi)特別高，一卡在一定時(shí)間反復(fù)屢次拿藥等。問(wèn)題分析BP神經(jīng)網(wǎng)絡(luò)是一種按誤差你傳播算法訓(xùn)練的前饋網(wǎng)絡(luò)，學(xué)習(xí)過(guò)程由信號(hào)的正向傳播與誤差的逆向傳播兩個(gè)過(guò)程組成.正向傳播時(shí),模式作用于輸入層,經(jīng)隱層處理后,傳入誤差的逆向傳播階段,將輸出誤差按*形式,通過(guò)隱層向輸入層逐層返回,并“分?jǐn)偍暯o各層的所有單元,從而獲得各層單元的參考誤差或稱(chēng)誤差信號(hào),以作為修改各單元權(quán)值的依據(jù).權(quán)值不斷修改的過(guò)程,也就是網(wǎng)絡(luò)學(xué)習(xí)過(guò)程.此過(guò)程一直進(jìn)展到網(wǎng)絡(luò)輸出的誤差準(zhǔn)逐漸減少到可承受的程度或到達(dá)設(shè)定的學(xué)習(xí)次數(shù)為止。目前BP神經(jīng)網(wǎng)絡(luò)已在國(guó)外相關(guān)經(jīng)濟(jì)研究領(lǐng)域得到廣泛應(yīng)用，在國(guó)的證券、銀行等相關(guān)領(lǐng)域已有學(xué)者開(kāi)場(chǎng)運(yùn)用BP網(wǎng)絡(luò)進(jìn)展研究，葉明華將該方法運(yùn)用到機(jī)動(dòng)車(chē)保險(xiǎn)欺詐的研究當(dāng)中，并且嘗試了統(tǒng)計(jì)回歸與神經(jīng)網(wǎng)絡(luò)的融合，證實(shí)了神經(jīng)網(wǎng)絡(luò)運(yùn)用于保險(xiǎn)欺詐的識(shí)別是可行的，并且通過(guò)回歸分析精煉后的識(shí)別因子能夠使神經(jīng)網(wǎng)絡(luò)具有更好的識(shí)別效果。在這個(gè)問(wèn)題中，數(shù)據(jù)量巨大，同時(shí)自費(fèi)患者和欺詐患者〔共用醫(yī)?？ā程峁┝舜罅康臉颖?，而這些樣本恰好可以用于BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，同時(shí)還可以用Logistic二元回歸分析篩選出影響顯著的欺詐因子，將定量與定性相結(jié)合，使結(jié)果更準(zhǔn)確。因此，對(duì)于這個(gè)問(wèn)題，運(yùn)用層次分析法和Logistic二元回歸分析相結(jié)合的方法進(jìn)展醫(yī)保欺詐的識(shí)別。模型假設(shè)1.自費(fèi)病人無(wú)醫(yī)保欺詐嫌疑2.消費(fèi)總額和消費(fèi)數(shù)量為負(fù)數(shù)的視為記錄錯(cuò)誤，取絕對(duì)值計(jì)算3.忽略這個(gè)月極少數(shù)病人轉(zhuǎn)科室治療的情況4.這個(gè)月當(dāng)?shù)貨](méi)有地震等重大災(zāi)難的發(fā)生模型的建立與求解4.1預(yù)處理數(shù)據(jù)4.1.1樣本與欺詐因子選取根據(jù)附錄表格2.1和2.2中的病人資料和消費(fèi)記錄中使用E*cel和Access的數(shù)據(jù)處理函數(shù)，結(jié)合相關(guān)資料，先做出各個(gè)科室的平均消費(fèi)額，然后提取出包括病人科室，病人所在科室的平均消費(fèi)額，病人當(dāng)月總費(fèi)用，當(dāng)月拿藥頻次，年齡，性別在的6個(gè)欺詐因子，并將這些欺詐因子整合到病人ID中，表格見(jiàn)1。表4.1欺詐因子匯總表醫(yī)保病人ID病人科室各科室平均消費(fèi)額當(dāng)月拿藥頻次當(dāng)月總費(fèi)用年齡性別36305015220.1960112942220.0529162769018732.1121484643160.2552116879915220.1960112961018.29462178614203170.46705697510.2496226497218732.1121484651314.2629219905618732.1121484661255.1246252473815220.196011293721.5148240626015220.196011294643.5248116730518732.112148466913.2747133196818732.112148468894.13302161213173151.356301953752.657716126571095.2881589712354.683214.1.2自費(fèi)病人與醫(yī)保卡共用病人從題目表2.1病人資料醫(yī)?？ㄌ?hào)一欄中篩選出醫(yī)?？ㄌ?hào)為1的病人，提取出他們的病人ID并確定他們?yōu)樽再M(fèi)病人。對(duì)醫(yī)?？ㄌ?hào)一欄運(yùn)用COUNTIF函數(shù)篩選一卡多用病人發(fā)現(xiàn)存在2人共用醫(yī)?？ㄒ约?人共用醫(yī)保卡的現(xiàn)象，提取出他們的ID并確定其為共用醫(yī)保卡病人。分別根據(jù)自費(fèi)病人以及醫(yī)?？ü灿貌∪说腎D作出如表格4.2的欺詐因子匯總表便于進(jìn)一步分析。4.2欺詐因子的精煉運(yùn)用二元離散選擇模型對(duì)選取的6個(gè)欺詐因子進(jìn)展回歸分析，從中獲取具有顯著性的欺詐因子，我們通過(guò)IBMSPSSStatistics19軟件實(shí)現(xiàn)樣本數(shù)據(jù)的Logistic二元回歸分析。參數(shù)設(shè)定為：方法：Enter步進(jìn)概率：進(jìn)入=0.05，刪除=0.1；最大迭代次數(shù):50E*p(B)的C.I.(*):95%。表4.2迭代歷史記錄迭代-2對(duì)數(shù)似然值系數(shù)Constant步驟017647.606-1.93524584.590-2.93133917.985-3.64543832.549-4.01353829.783-4.09563829.779-4.09873829.779-4.098a.模型中包括常量。b.初始-2對(duì)數(shù)似然值:3829.779c.因?yàn)閰?shù)估計(jì)的更改圍小于.001，所以估計(jì)在迭代次數(shù)7處終止。表4.3為迭代歷史記錄，估計(jì)在迭代7次后終止，初始的-2對(duì)數(shù)似然值到達(dá)43.927。表4.3分類(lèi)表已觀測(cè)已預(yù)測(cè)欺詐與否百分比校正01步驟0欺詐與否0225850100.013750.0總計(jì)百分比98.4a.模型中包括常量。b.切割值為.500在表4.4中可見(jiàn)在輸入的樣本中有22585例被預(yù)測(cè)為0，有375例應(yīng)該為1的也被預(yù)測(cè)為0，預(yù)測(cè)正確率98.4%。表4.4顯著性檢驗(yàn)得分dfSig.步驟0變量相對(duì)差1.6241.202當(dāng)月總費(fèi)用7.6071.006當(dāng)月拿藥頻次1.4011.237年齡10.6761.001性別(1)63.6741.000病人科室216.1201.000各科室平均消費(fèi)額18.7101.000總統(tǒng)計(jì)量300.1287.000表4.5是對(duì)模型的全局檢驗(yàn)，為似然比檢驗(yàn)，共給出七個(gè)結(jié)果：sig值<0.05說(shuō)明有統(tǒng)計(jì)學(xué)意義。從中可見(jiàn)病人當(dāng)月總費(fèi)用，年齡，性別，病人所在科室以及病人所在科室的平均消費(fèi)額對(duì)回歸具有顯著影響，而其他因素沒(méi)有影響。根據(jù)這個(gè)結(jié)論就可以建立醫(yī)保欺詐識(shí)別的BP網(wǎng)絡(luò)模型。4.3醫(yī)保欺詐識(shí)別的BP網(wǎng)絡(luò)模型1) 設(shè)置初始權(quán)值W(0)為較小的隨機(jī)非零值。2) 給定輸入/輸出樣本集合,誤差指標(biāo)總誤差指標(biāo)重復(fù)以下過(guò)程直至滿(mǎn)足收斂條件〔〕a) 對(duì)于任意一個(gè)樣本p，計(jì)算正向過(guò)程: 反向過(guò)程:b) 修正權(quán)值包括兩種學(xué)習(xí)方式：模式〔Pattern〕學(xué)習(xí)方式：訓(xùn)練〔Epoch〕學(xué)習(xí)方式：網(wǎng)絡(luò)輸入矩陣是由Logistic二元回歸分析獲取的具有模型顯著性的5個(gè)欺詐識(shí)別因子向量組成，網(wǎng)絡(luò)輸出向量矩陣是由是否欺詐〔0和1〕組成的一維矩陣，0代表該病人沒(méi)有欺詐，1代表欺詐。經(jīng)過(guò)反復(fù)屢次試驗(yàn)，本著誤差最小，訓(xùn)練時(shí)間最短的原則最終確定了有2個(gè)隱藏層的BP神經(jīng)網(wǎng)絡(luò)模型。設(shè)置目標(biāo)誤差為0.025，最大迭代次數(shù)50000等。圖4.1BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練圖從圖4.1中看出我們的BP神經(jīng)網(wǎng)絡(luò)經(jīng)過(guò)396個(gè)迭代周期，歷時(shí)2分50秒之后終于到達(dá)了目標(biāo)誤差0.025。訓(xùn)練過(guò)程如下圖。圖4.2模擬訓(xùn)練過(guò)程圖4.4欺詐病人識(shí)別根據(jù)訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)，對(duì)不能確定是否欺詐的病人進(jìn)展欺詐識(shí)別，找到可能的欺詐病人ID，并根據(jù)其欺詐可能性大小進(jìn)展了排序，排序越靠前欺詐嫌疑越大。最終結(jié)果請(qǐng)看5.模型的評(píng)價(jià)與推廣5.1模型的優(yōu)缺點(diǎn)本文采取采取Logistic回歸和BP神經(jīng)網(wǎng)絡(luò)結(jié)合的方法，運(yùn)用Spss軟件對(duì)樣本進(jìn)展Logistic回歸分析提取具有模型顯著性的識(shí)別因子；將所得識(shí)別因子作為BP神經(jīng)網(wǎng)絡(luò)模型的輸入向量進(jìn)展訓(xùn)練，并選取檢驗(yàn)樣本對(duì)模型的有效性進(jìn)展預(yù)測(cè)檢驗(yàn)，證明了模型的準(zhǔn)確性和用這種方法用于醫(yī)保欺詐識(shí)別的可行性。本模型基于BP神經(jīng)網(wǎng)絡(luò)的方法具有很多優(yōu)點(diǎn)：BP神經(jīng)網(wǎng)絡(luò)的非線(xiàn)性映射能力強(qiáng)，數(shù)學(xué)理論證明三層的神經(jīng)網(wǎng)絡(luò)就能夠以任意精度逼近任何非線(xiàn)性連續(xù)函數(shù)。避開(kāi)了求欺詐因子與欺詐與否之間復(fù)雜函數(shù)關(guān)系的過(guò)程，使問(wèn)題的解決更加簡(jiǎn)單，其次BP神經(jīng)網(wǎng)絡(luò)具有一定的容錯(cuò)能力，BP神經(jīng)網(wǎng)絡(luò)在其局部的或者局部的神經(jīng)元受到破壞后對(duì)全局的訓(xùn)練結(jié)果不會(huì)造成很大的影響，也就是說(shuō)即使系統(tǒng)在受到局部損傷時(shí)還是可以正常工作的。同時(shí)本模型也存在著一定的局限性，BP神經(jīng)網(wǎng)絡(luò)是一種局部搜索的優(yōu)化方法，它要解決的是一個(gè)復(fù)雜非線(xiàn)性化問(wèn)題，網(wǎng)絡(luò)的權(quán)值是通過(guò)沿局部改善的方向逐漸進(jìn)展調(diào)整的，這樣會(huì)使算法陷入局部極值，加上BP神經(jīng)網(wǎng)絡(luò)對(duì)初始網(wǎng)絡(luò)權(quán)重非常敏感，以不同的權(quán)重初始化網(wǎng)絡(luò)，其往往會(huì)收斂于不同的局部極小，這也是我們屢次訓(xùn)練會(huì)得到不同結(jié)果的原因。其次，BP神經(jīng)網(wǎng)絡(luò)構(gòu)造的選擇至今尚無(wú)一種統(tǒng)一而完整的理論指導(dǎo)，一般只能由經(jīng)歷選定。網(wǎng)絡(luò)構(gòu)造選擇過(guò)大，訓(xùn)練中效率不高，可能出現(xiàn)過(guò)擬合現(xiàn)象，造成網(wǎng)絡(luò)性能低，容錯(cuò)性下降，假設(shè)選擇過(guò)小，則又會(huì)造成網(wǎng)絡(luò)可能不收斂。而網(wǎng)絡(luò)的構(gòu)造直接影響網(wǎng)絡(luò)的逼近能力及推廣性質(zhì)。本文中我們采取了屢次試驗(yàn)的方法，確定了網(wǎng)絡(luò)的構(gòu)造，具有一定的主觀性。5.2模型的推廣該模型可有效檢測(cè)出醫(yī)保中發(fā)生的詐騙現(xiàn)象，這一模型基于BP神經(jīng)網(wǎng)絡(luò)可以很容易地推廣到其他類(lèi)型的保險(xiǎn)行業(yè)中，例如人壽保險(xiǎn)，機(jī)動(dòng)車(chē)險(xiǎn)等。同時(shí)本模型雖然給出了具有重大醫(yī)保欺詐嫌疑的病人ID，遺憾的是我們并沒(méi)有給出每個(gè)病人欺詐的具體概率是多少，這也是我們模型需要改良的地方。我們的結(jié)果可以為醫(yī)保欺詐的識(shí)別，提供一份珍貴的可參考的資料。參考文獻(xiàn)[1]林源.國(guó)外醫(yī)療保險(xiǎn)欺詐研究現(xiàn)狀分析[J].INSURANCESTUDIES,2010,12(12):115-122[2]坤坤，車(chē)險(xiǎn)保險(xiǎn)欺詐識(shí)別和測(cè)量模型實(shí)證研究——基于省車(chē)險(xiǎn)歷史索賠數(shù)據(jù)，暨南學(xué)報(bào)〔哲學(xué)社會(huì)科學(xué)版〕，8：50-55，2012。[3]朱大奇,史慧編著.人工神經(jīng)網(wǎng)絡(luò)原理及應(yīng)用[M].科學(xué),2006[4]唐萬(wàn)梅.BP神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)構(gòu)造優(yōu)化問(wèn)題的研究[J].系統(tǒng)工程理論與實(shí)踐.2005(10)[5]彩紅.BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的研究[D].:師大學(xué),2008.1-76[6]段超霞,田學(xué)民.基于正交最小二乘的傅立葉神經(jīng)網(wǎng)絡(luò)構(gòu)造選取方法[J].石油化工自動(dòng)化.2012(06)[7]葉飛躍.數(shù)據(jù)挖掘過(guò)程中的模糊聚類(lèi)方法[J].計(jì)算機(jī)與現(xiàn)代化.2003(09)[8]王學(xué)民編著.應(yīng)用多元分析[M].財(cái)經(jīng)大學(xué),1999[9]廖寧放,高稚允.BP神經(jīng)網(wǎng)絡(luò)用于函數(shù)逼近的最正確隱層構(gòu)造[J].理工大學(xué)學(xué)報(bào).1998(04)[10]叢爽編著.面向MATLAB工具箱的神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用[M].中國(guó)科學(xué)技術(shù)大學(xué),1998[11]鄧偉妮.基于BP神經(jīng)網(wǎng)絡(luò)的市PM10污染預(yù)報(bào)及其MATLAB實(shí)現(xiàn)[D].科大學(xué)2008七、附錄7.1訓(xùn)練BP程序clc,clearall;%definetheinputandoutputpqz=*lsread('E:\數(shù)學(xué)\數(shù)學(xué)建模\杯2015\Ａ題\篩選后的BP素材\欺詐者的樣本.*ls*','B2:G376');%創(chuàng)立BP網(wǎng)絡(luò)和定義訓(xùn)練函數(shù)pzf=*lsread('E:\數(shù)學(xué)\數(shù)學(xué)建模\杯2015\Ａ題\篩選后的BP素材\自費(fèi)患者的樣本.*ls*','B2:G15587