مجید مهرورزان - دانشجوی کارشناسی ارشد تجارت الکترونیک، دانشگاه آزاد اسلامی، بیرجند
مصطفی سبزه کار - استادیار گروه مهندسی کامپیوتر، دانشگاه صنعتی، بیرجند

تقلب در کارت های اعتباری، همچنان در حال گسترش است. با تغییر روش های تقلب، نیاز به روش هایی جدید جهت کشف تقلب است. در این پژوهش سعی شده تا با ادغام روش الگوریتم ازدحام ذرات و درخت تصمیم روشی جهت کشف و شناسایی تقلب در داده های مالی فراهم آید. این روش که به PSO-Tree نام گذاری شده است، امکان شناسایی ویژگی های مهم و سپس ایجاد یک مدل طبقه بندی مناسب را فراهم می سازد. الگوریتم PSO-Tree با نرم افزار متلب پیاده سازی شده و از معیارهای (TPR) ، (TNR) ، (FNR) ، (FPR )، صحت و دقت جهت تعیین عملکرد و کارایی الگوریتم و از معیار F و معیار MCC جهت تعیین میزان کیفیت کلاس بندی استفاده شده است. همچنین الگوریتم PSO-Tree ، با الگوریتم طبقه بندی درخت تصمیم، درخت رگرسیون، درخت تصمیم با هرس آلفا، ادغام درخت تصمیم با الگوریتم کلونی زنبور مصنوعی و در نهایت عملکرد تابع برازندگی الگوریتم پیشنهادی با توابع برازندگی مورد استفاده در سمایر مقاله ها مقایسه شده است که بر طبق نتایج بدست آمده مدل طبقه بندی و ویژگی های انتخاب شده توسط این الگوریتم، مناسب تر و بهتر از سایرین است.

تقلب در کارت اعتباری، درخت تصمیم، الگوریتم ازدحام ذرات، الگوریتم های فرا ابتکاری، تابع برازندگی