محمد محزون - دانشجوی کارشناسی ارشد مهندسی صنایع، دانشگاه یزد
حسن خادمی زارع - استاد گروه مهندسی صنایع، دانشگاه یزد
محمدصالح اولیاء - استاد گروه مهندسی صنایع، دانشگاه یزد

امروزه با افزایش رقابت بین شرکتهای خدماتی بیمه، نیاز به کاهش هزینه ها و بهبود بهره وری افزایش یافته است. یکی از هزینه های نگران کننده شرکتهای بیمه، هزینه های مرتبط با تقلب است. افراد با ارایه اطلاعات نادرست کار را برای شرکتهای بیمه سخت میکنند. با وجود پیشرفتهایی که در زمینه پیش بینی تقلب صورت گرفته است، اما هزینه های مربوط به تقلب در حوزه بیمه رو به افزایش است. در این راستا، پژوهش حاضر به توسعه مدلهایی برای پیشبینی و شناسایی افراد متقلب در یک شرکت منتخب بیمه در شهر شیراز پرداخته است. بدین منظور، ابتدا با استفاده از روش ترکیبی CFS و PCA ، ابعاد مسئله کاهش مییابد. سپس با استفاده از مدلهای دادهکاوی درخت تصمیم، ماشین بردار پشتیبان و شبکه عصبی چندلایه، افراد متقلب پیشبینی میشوند. ارزیابیهای انجام شده نشان دهنده کاهش زمان حل در تمامی مدلها با استفاده از روش ترکیبی CFS و PCA است. همچنین این پژوهش، با استفاده از ماتریس اغتشاش نشان میدهد که صحت عملکرد مدلهای ماشین بردار پشتیبان و شبکه عصبی چندلایه پرسپترون، افزیش یافته است.

داده کاوی، پیش بینی تقلب، بیمه بدنه، شبکه عصبی، ماشین بردار پشتیبان، درخت تصمیم.