ارزیابی اعتبار مشتری از طریق دسته بند ترکیبی شبکه های عصبی مصنوعی، الگوریتم ژنتیک و احتمالات بیزین
Publish place: 1st National Innovation Conference on Computer Engineering and Information Technology
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 863
This Paper With 8 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:
CEIT01_245
تاریخ نمایه سازی: 9 تیر 1393
Abstract:
امروزه با توجه به رشد روزافزون تقاضا برای دریافت اعتبار از سوی مشتریان موسسات مالی و اعتباری و بانک ها، استفاده از روشی کارآمد و موثر جهت پایین آوردن ریسک عدم باز پرداخت اعتبار داده شده بسیار ضروری به نظر می رسد. ارزیابی اعتبار مشتریان یکی از مهمترین و اساسی ترین وظایف موسسات و بانک ها می باشد و در صورتی که در این زمینه اشتباهی رخ دهد ممکن است به زیان های هنگفتی برای موسسات یا بانک ها منجر شود، از اینرو استفاده از سیستم های پیش بینی کامپیوتری در یک دهه ی اخیر پیشرفت چشم گیری کرده است. اطلاعاتی که این سیستم ها به مدیران موسسات اعتبار دهنده می دهند کمک شایانی در جهت اخذ تصمیم درست برای اعطای اعتبار یا عدم اعطای آن می دهد. در این مقاله به ارزیابی اعتبار مشتری از طریق یک دسته بند ترکیبی که از شبکه های عصبی مصنوعی، الگوریتم ژنتیک و احتمالات بیزین بطور همزمان استفاده می کند می پردازیم و نتایج بدست آمده از سه روش بالا را بنحوی برای بدست آوردن نتیجه مناسب و نهایی استفاده می کنیم برای ارزیابی روش از تست صحت k_FLDS استفاده می کنیم و در پایان روش ارایه شده را با کارهای انجام شده از جمله support vector (CLC) clustering-launched classification (SVM) machine و همچنین GA-SVM که در آن از الگوریتم ژنتیک برای بهبود استفاده شده مقایسه می کنیم.
Keywords:
Authors
رضا مرتضی پور
دانشجوی کارشناسی ارشد، گروه ارشد مهندسی نرم افزار، دانشگاه آزاد اسلامی واحد زنجان، زنجان، ایران
مهدی افضلی
دکترای مدیریت اطلاعات، گروه ارشد مهندسی نرم افزار، دانشگاه آزاد اسلامی واحد زنجان، زنجان، ایران
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 :