رویکرد ترکیبی برای پیش بینی روی گردانی مشتریان بانک با استفاده از الگوریتم ترکیبی شبکه عصبی و الگوریتم ژنتیک
Publish place: 11th Intelligent Systems Conference
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 806
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:
شناسه ملی سند علمی:
ICS11_004
تاریخ نمایه سازی: 14 مهر 1392
Abstract:
بازارهای مختلف به طور فزاینده ای در حال اشباع شدن هستند. سازمان ها فهمیده اند که برای حفظ مشتریخود باید روی شناسایی مشتریان ی که احتمال روی گردانی بالایی دارند متمرکز شوند. در این مقاله رویکردی نوین بر اساس شبکه های عصبی مصنوعی برای شناسایی مشتریان در حال روی گردانی ارائه شده است، چرا که شبکه عصبی قابلیت یادگیری رفتارها و عملکردهای پیچیده و غیرخطی انسان را دارد. همچنین، برای تعیین ورودی های شبکه عصبی با استفاده از الگوریتم ژنتیک، به انتخاب ترکیب بهینه ویژگی های مشتریان پرداخته شده است. لذا رویکرد پیشنهادی از ترکیب شبکه های عصبی و الگوریتم ژنتیک تشکیل شده است. در این مقاله از داده های مربوط به مشتریان یک بانک آلمانی برای آموزش و ارزیابی رویکرد پیشنهادی بر اساس دو مدل جداگانه استفاده شده است. اولین مدل بر پایه ترکیب آبشاری دو شبکه عصبی است که اولین شبکه نقش کاهش داده و دومی به منظور پیش بینی روی گردانی به کار می رود. در مدل ترکیبی دوم، یک شبکه خود سازمان ده که یکی از تکنیک های خوشه بندی می باشدف به منظور کاهش داده ها استفاده شده است. نتایج به دست آمده حاکی از آن است که رویکرد پیشنهادی به میزان قابل توجهی موجب بهبود در پیش بینی روی گردان مشتریان شده است
Keywords:
Authors
الهام ابراهیمی
دانشکده مهندسی صنایع و سیستم های مدیریت، دانشگاه صنعتی امیرکبیر
عباس احمدی
دانشکده مهندسی صنایع و سیستم های مدیریت، دانشگاه صنعتی امیرکبیر
زهره کریم میان
دانشکده مهندسی صنایع و سیستم های مدیریت، دانشگاه صنعتی امیرکبیر
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 :