الگوریتم کلونی مورچگان در مقایسه با سایر الگوریتم های داده کاوی برای بخش بندی مشتریان اعتباری بانک
محل انتشار: چهارمین کنفرانس بین المللی بازاریابی خدمات بانکی
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,051
فایل این مقاله در 14 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:
IBSM04_109
تاریخ نمایه سازی: 18 دی 1391
چکیده مقاله:
در این تحقیق هدف طبقه بندی مشتریان اعتباری بانک به لحاظ ریسک بازپرداخت تسهیلات دریافت شده می باشد در این تحقیق با استفاده از داده های مشتریان حقوق ، که در سیستم های اطلاعات بخش اعتبارات بانک مورد مطالعه موجود م باشد، فرایند داده کاوی بر روی صورت م پذیرد بدین شکل که ابتدا داده های مورد نیاز، مع آوری شده و پا پردازش بر روی آنها صورت پذیرفت متغیرهای تاثیرگذار در مدل شناسای شده و سپس الگوریتم کلون مورچگان بیر روی داده های نهای ا را گردید و نتایج این الگوریتم نیز با تجدادی از الگوریتم های دیگر طبقه بندی مورد مقایسه قرار گرفت نتیجه حاصل شده نشان داد که الگوریتم کلون مورچگان نتایج بهتری را به لحاظ دقت تفکیک و بشا بندی مشتریان نسبت به درختهای سنت CART,CHAID,QUEST ، شبکه های عصب ، تحلیل تمایزی، رگرسیون لجستیک و شبکه های بیزین دارد؛ ولی نسبت به مدل های درخت C4.5 و ماشین بردار پشتیبان دقت کمتری دارد از طرف تکنیک کلون مورچگان نسبت به عملکرد پیش بین کارشناسان اعتبارسنج بانک نیز قدرت پیا بین بهتری حاصل نموده است در نهایت مدل که بالاترین میزان صحت را در پیا بین طبقه مشتریان دارد به عنوان الگوریتم پیشنهادی توصیه گردید قابل ذکر است که در این تحقیق به منظور ا رای الگوریتم کلون مورچگان از نرم افزار Ant miner بهره گرفته شده است
کلیدواژه ها:
نویسندگان
حسین فرزاد
دانش آموخته کارشناسی ارشد، دانشگاه آزاد اسلامی واحد علوم و تحقیقات،
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 :