لیلا جدیدی - عضو هیئت علمی دانشگاه آزاد اهواز موسسه فرهنگی آموزشی سماء خوزستان، اهواز، ایران
پروین بهاران - دانشجوی کارشناسی نرم افزار موسسه غیرانتفاعی جهاد دانشگاهی خوزستان، اهواز، ایران

تکنیک های داده کاوی به صورت گسترده ای در دنیا در حوزه کشف تقلب مورد استفاده قرار گرفته است، دلیل این موضوع انطباق زیاد این فرایند با نیازمندی های مسئله کشف تقلب می باشد. در این مقاله سعی بر پیاده سازی قدم به قدم داده کاوی بر داده های مربوط به تراکنش های کارت بانکی فردی خاص، جهت کشف رفتار مشکوک در این تراکنش ها شده است. در مرحله مدل سازی این فرایند از تکنیک تحلیل خوشه جهت آموزش مدل هایی با پارامترها و تنظیمات متنوع(برای مثال تعداد خوشه های مختلف، تعداد نرون های مختلف و ...) برداده های بدون برچسب، استفاده شده است. تکنیک خوشه بندی انتخاب گردیده در این مقاله نگاشت خودسازمانده یا همان شبکه عصبی کوهنن می باشد، بعد از خوشه بندی داده ها از مدل طبقه بندی، جهت ارزیابی مدل های غیر نظارتی و هم چنین انتخاب بهینه ترین مجموعه مدل ترکیبی (مدل های نظارتی و غیر نظارتی) جهت کشف رفتار مشکوک تراکنش های آتی، استفاده شده است. تکنیک طبقه بندی انتخاب شده، مدل مجموعه قوانین با استفاده از الگوریتم C5 می باشد. در انتهای تحقیق نیز، قواعد مدل طبقه بندی بهینه، جهت استخراج دانش هایی مورد تفسیر قرار گرفته است.

داده کاوی، رفتار مشکوک، مدل های غیر نظارتی، تحلیل خوشه، شبکه عصبی کوهنن