الگوریتم کلونی مورچگان در مقایسه با سایر الگوریتم های داده کاوی برای بخش بندی مشتریان اعتباری بانک
Publish Year: 1391
Type: Conference paper
Language: Persian
View: 2,084
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
IBSM04_109
Index date: 7 January 2013
الگوریتم کلونی مورچگان در مقایسه با سایر الگوریتم های داده کاوی برای بخش بندی مشتریان اعتباری بانک abstract
در این تحقیق هدف طبقه بندی مشتریان اعتباری بانک به لحاظ ریسک بازپرداخت تسهیلات دریافت شده می باشد در این تحقیق با استفاده از داده های مشتریان حقوق ، که در سیستم های اطلاعات بخش اعتبارات بانک مورد مطالعه موجود م باشد، فرایند داده کاوی بر روی صورت م پذیرد بدین شکل که ابتدا داده های مورد نیاز، مع آوری شده و پا پردازش بر روی آنها صورت پذیرفت متغیرهای تاثیرگذار در مدل شناسای شده و سپس الگوریتم کلون مورچگان بیر روی داده های نهای ا را گردید و نتایج این الگوریتم نیز با تجدادی از الگوریتم های دیگر طبقه بندی مورد مقایسه قرار گرفت نتیجه حاصل شده نشان داد که الگوریتم کلون مورچگان نتایج بهتری را به لحاظ دقت تفکیک و بشا بندی مشتریان نسبت به درختهای سنت CART,CHAID,QUEST ، شبکه های عصب ، تحلیل تمایزی، رگرسیون لجستیک و شبکه های بیزین دارد؛ ولی نسبت به مدل های درخت C4.5 و ماشین بردار پشتیبان دقت کمتری دارد از طرف تکنیک کلون مورچگان نسبت به عملکرد پیش بین کارشناسان اعتبارسنج بانک نیز قدرت پیا بین بهتری حاصل نموده است در نهایت مدل که بالاترین میزان صحت را در پیا بین طبقه مشتریان دارد به عنوان الگوریتم پیشنهادی توصیه گردید قابل ذکر است که در این تحقیق به منظور ا رای الگوریتم کلون مورچگان از نرم افزار Ant miner بهره گرفته شده است
الگوریتم کلونی مورچگان در مقایسه با سایر الگوریتم های داده کاوی برای بخش بندی مشتریان اعتباری بانک Keywords:
الگوریتم کلونی مورچگان در مقایسه با سایر الگوریتم های داده کاوی برای بخش بندی مشتریان اعتباری بانک authors
حسین فرزاد
دانش آموخته کارشناسی ارشد، دانشگاه آزاد اسلامی واحد علوم و تحقیقات،
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :