مهدی روح الامین - دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات گرایش تجارت الکترونیک، دانشگاه آزاد اسلامی واحد خمین ایران
حمید پایگذار - عضو هیئت علمی دانشکده فنی مهندسی گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد خمین ایران
محمد خلیلی درمنی - عضو هیئت علمی دانشکده فنی مهندسی گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد خمین ایران

تشخیص موارد جعلی و تقلبی در صنعت بیمه یکی از چالش برانگیزترین مشکلات در مطالعات داده کاوی است با این حال، بسیاری از مطالعات موجود برای تجزیه و تحلیل با کمبود داده های واقعی مواجه اند و برحالت بسیار محدودی از این مشکل شامل تنها یک عامل خاص، در صنعت بیمه متمرکز می باشد. دلیل این مشکلات وجود اطلاعات پراکنده و زیاد است. استفاده از داده کاوی کمک می کند تا بر حجم زیاد و پراکندگی اطلاعت غلبه کرده و بتوان اطلاعات مفید را از حجم انبوه داده ها بیرون کشیده، آنها را در جهت بهبود تصمیمات و مدیریت بهتر سازمان ها و تشکیلات استفاده کرد. در این راستا، در این مقاله با استفاده از تکنیک های داده کاوی شامل استفاده از ترکیب شبکه عصبی و تکامل تفاضلی به شناسایی تقلب در صنعت بیمه پرداخته شده است در این تحقیق از الگوریتم فرامکاشفه آیی تکامل تفاضلی برای آموزش شبکه عصبی MLP استفاده شده است. با مقایسه نتایج بدست آمده از شبکه عصبی معمولی و ترکیب شبکه عصبی و الگوریتم تکاملی تفاضلی نشان داده شده که کارایی الگوریتم پیشنهادی بهتر از روش های دیگر بوده است.

کلاس بندی، شبکه عصبی، بیمه، تکامل تفاضلی