本发明属于人工智能算法应用‑欺诈识别领域，涉及一种基于多种分类算法集成学习的智能医疗欺诈监测方法。过程如下：首先，通过详尽的数据预处理和LASSO算法进行特征选择，优化特征空间，减少冗余信息，提高模型效率。接着，采用DPC‑SMOTE和NCACL算法对不平衡数据集进行处理，确保模型在各类别样本上都能获得良好性能。在模型构建方面，本发明集成了XGBoost、LightGBM、MLP和SVM等多种分类算法，通过Stacking框架将它们组合成强大的集成学习模型，以捕获数据中的多维度信息，实现精准的医疗欺诈识别。