یک روش ترکیبی جدید بر اساس خوشه بندی و الگوریتم ژنتیک برای امتیاز بندی مشتریان بانک
محل انتشار: شانزدهمین کنفرانس سالانه انجمن کامپیوتر ایران
سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,059
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CSICC16_049
تاریخ نمایه سازی: 28 بهمن 1390
چکیده مقاله:
درامتیاز بندی اعتباری هدف کلی پیش بینی هرچه دقیقتر میزان شایستگی مشتریان است و تاکنون طیف وسیعی از انواع روشهای آماری و هوش مصنوعی برای دستیابی به این هدف بکارگرفته شدها ست اما در بیشتر روشهای مورد بحث نمی توان از روی داده های دو کلاسی بصورت چند کلاسی اقدام به دسته بندی نمود درحالیکه در عمل همیشه یک مشتری با درجه ای از خوب یا بد سنجیده می شود انجام این کار با مدلهای آماری نیز نیازمند وجود مفروضات خاصی است که اغلب محقق نمی شود از این رو در این مقاله سعی شده تا پس از رفع مشکلات موجود در دادها با استفاده از خوشه بندی برای هرکدام از نمونه ها یک برچسب ثانویه ایجاد شود سپس با استفاده از یک مدل sVM چندکلاسی اقدام به دسته بندی داده های جدید می شود بدین منظور با اعملا دو رویکرد متفاوت یکی برمبنای انتخاب ویژگی و تنظیم پارامترها بصورت جداگانه جستجوی مستقیم و انتخاب ویژگی آزمون t و دیگری بصورت همزمان الگوریتم ژنتیک اقدام به مقایسه نتایج با مدل لاجیت شده است نتایج پیاده سازی نشان میدهد که مدل پیشنهادی علاوه بر افزایش دقت در شناسایی درست کلاسها توزیع بهتری از نتایج را بخصوص دررویکرد دوم بدست میدهد.
کلیدواژه ها:
نویسندگان
محمد فریدون کیانی
دانشگاه آزاد اسلامی واحد قزوین
فریبرز محمودی
دانشگاه آزاد اسلامی واحد قزوین
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :