کاربرد داده کاوی درکشف کلاه برداری : مقایسه معیارها

Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,209

This Paper With 7 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

LNCSE02_021

تاریخ نمایه سازی: 6 اسفند 1391

Abstract:

برای مقایسه و سنجش میزان کارایی سیستم های کشف کلاهبرداری معیارهای مختلفی بکاربرده میشوند و کارایی این سیستم ها براساس معیارهای مختلف باهم متفاوت هستند و ممکن است یک سیستم براساس یک معیار بهتر ازدیگری باشد درحالیکه براساس معیاری دیگر اینگونه نباشد دراین تحقیق از 3 مدل مشهور داده کاوی به نام های Naïve Bayes رگرسیون منطقی ودرخت تصمیم C5 برای ایجاد مدلهایی استفاده شده است و معیارهای مختلف را درمجموعه داده هایی با نرخ های متفاوت تراکنش هایکلاهبردارانه برای آنها باهم مقایسه کرده ایم سپس یک مدل Bagging معرفی شده است که دراغلب معیارها و ازجمله معیار هزینه نسبت به مدلهای دیگر برتری دارد.

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 :
  • Witten, lan H; Frank, Eibe (2000). Data Mining: Practical Machine ...
  • Quinlan, J.R. (1993). C4.5: Program for Machine Learning, San Francisco, ...
  • D.W. Hosmer, S. Lemeshow, Applied Logistic Regression, 2nd Ed, Wi ...
  • L.S. Magder, J.P. Hughes, Logistic regression when the outcome is ...
  • uncertainty, American Journal of Epidemiology 146 (1997) 195-203 ...
  • V. Vapnik, Statistical Learning Theory, Wiley, New York, 1998. ...
  • Siddhartha Bhattacharyya, Sanjeev Jha, Kurian Tharakunnel, J.Christopher Westland, Data mining ...
  • F. Provost, Comment on Bolton and Hand, Statistical Science 17 ...
  • Li-Min Wang, Xiao-Lin Li, Chun-Hong Cao, Sen- Miao Yuan; "Combining ...
  • Li-Min Wang, Xiao-Lin Li, Chun-Hong Cao, Sen- Miao Yuan; "Combining ...
  • Breiman, Leo (1996). Bagging Predictors, in Machine Learning, 24(2):123-140 ...
  • Siddhartha Bhattacharyya, Sanjeev Jha, Kurian Tharakunnel; "Data mining for credit ...
  • P.K. Chan, W. Fan, A.L. Prodromidis, S.J. Stolfo, Distributed Data ...
  • R.C. Chen, T.S. Chen, C.C. Lin, A new binary ...
  • credit card fraud, International Journal of Pattern Recognition 20(2) (2006) ...
  • CyberSource. Online fraud report: online payment, fraud trends, mercha nt ...
  • and bench marks, retrieved January 8, 2011, from http : ...
  • C. Whitrow, D.J. Hand, P. Juszczak, D. Weston, N.M. Adams, ...
  • C. Paasch, Credit Card Fraud Detection Using Artificial Neural Networks ...
  • Genetic Algorithms, Hong Kong University of Science and Technology (HKUST), ...
  • J.V. Hulse, T.M. Khoshgoftaar, A. Napolitano, Experimental perspectives on learning ...
  • C.X. Ling, J. Huang, H. Zhang, AUC: a statistically consistent ...
  • F. Provost, T. Fawcett, Analysis and visualization of classifier performa ...
  • ] David j.Hand Imperial College London; "Statistical techniques for fraud ...
  • Fairlssac. Falcon Fraud Manager, retrieved January 8, 2009. ...
  • C. Chen, A. Liaw, L. Breiman, Using Random Forest to ...
  • Y. Kou, L. Chang-Tien, S. Si rwongwatta na, Y.P. Huang, ...
  • A. Srivastava, A. Kundu, S. Sural, A. Majumdar, Credit card ...
  • R. Wheeler, S. Aitken, Multiple algorithms for fraud detection, Knowledge- ...
  • K. Williams, The Evolution of Credit Card Fraud: Staying Ahead ...
  • نمایش کامل مراجع