امیر موسی پور - گیلان، دانشجوی کارشناسی ارشد نرمافزار، دانشگاه پیام نور قشم
عباسعلی رضایی - مشهد، دانشگاه پیام نور، گروه مهندسی کامپیوتر

تقلب در تراکنش ها به طور فزاینده ای به یک مشکل جدی برای کسب و کار، دولت و سرمایهگذاران تبدیل شده است. در واقع، این مسئله قابلیت اطمینان بازارهای سرمایه و حتی حرفه حسابرسی را تهدید میکند. در راستای شناسایی این معضل اکثریت روش های ارائه شده مبتنی بر الگوریتم های موجود می باشند و تنها سعی شده است تا از روش های انسانی و یا داده کاوی های ساده شناسایی صورت گیرد که این کار خود سربار بالایی دارد و همچنین دارای هزینه بالایی نیز می باشند. روش های داده کاوی که تا کنون برای این کار ارائه شدند دارای سربار بالای محاسباتی و یا دقت پایین بودند. هدف از این تحقیق ارائه مدلی است که در آن از درخت تصمیم گیری ID3 بهبود یافته به همراه الگوریتم ترکیبی شبکه عصبی بهبود داده شده و دسته ماهی به عنوان یک انتخاب کننده ویژگی های موثر استفاده شده است تا سربار محاسباتی کاهش یابد. درختی که در روش پیشنهادی ایجاد می شود دارای کمترین عمق ممکن می باشد که از اینرو دارای سرعت بالا و سربار محاسباتی پایینی می باشد.

پولشویی ،درخت تصمیم بهبود یافته، تشخیص تقلب، دسته بندی، شبکه های عصبی، الگوریتم ژنتیک، الگوریتم دسته ماهی.