پونه چراغی ساسانسرا - کارشناس ارشد مهندسی کامپیوتر نرم افزار ، دانشگاه آزاد واحد قزوین
امید نظری دباغی - کارشناس مهندسی کامپیوتر، دانشگاه آزاد واحد لاهیجان

امروزه با گسترش حجم عظیم داده ها، نیاز به ابزاری است که بتوان داده های ذخیره شده را پردازش کرد. هرچه این پردازش قوی تر باشد، اطلاعات و نتایج مفیدتری تولید می شود. داده کاوی تکنیک جدید و قوی جهت کشف الگوها در پایگاه داده مشتریان است. یکی از کاربرد های داده کاوی در زمینه ی بازار یابی است، بازاریابی مستقیم یکی از استراتژی های رو به گسترش در صنعت بانکداری است. طبقه بندی مشتریان و شناخت مشتریان هدف در بازاریابی مستقیم از اهمیت بسیاری برخوردار است. در واقع این مشتریان هدف هستند که برای ارایه محصولات و خدمات جدید انتخاب می شوند، بنابراین بهبود فرآیند شناسایی مشتریان هدف در صنعت بانکداری اهمیت زیادی دارد. برای طبقه بندی روش های مختلفی وجود دارد، این روش ها مشکلاتی مانند قرار گرفتن در بهینه های محلی دارند و هیچ شانسی برای فرار از آنها ندارند. در سال های اخیر به منظور برطرف کردن این مشکلات، از الگوریتم های فرامکاشفه ای در حل مسایل طبقه بندی استفاده شده است. یکی از این الگوریتم های فرامکاشفه ای، الگوریتم ژنتیک است که در فضای راه حل ها به جستجوی راه حل بهینه پرداخته و توسط مکانیزم هایی از راه حل های بهینه محلی می گریزد. در این پژوهش مدلی مبتنی بر ترکیب الگوریتم ژنتیک و شبکه های عصبی برای طبقه بندی مشتریان مطرح می شود. در این مدل، شبکه های عصبی با استفاده از الگوریتم ژنتیک بهینه شده می شوند و دقت بالاتری را نسبت به شبکه های عصبی ارایه می کنند

داده کاوی، طبقه بندی، الگوریتم های فرامکاشفه ای، الگوریتم ژنتیک، شبکه های عصبی