توسعه یک مدل دسته بندی هیبریدی با استفاده الگوریتم ژنتیک و شبکه های نیوبیز برای اعتبارسنجی
محل انتشار: یازدهمین کنفرانس سراسری سیستم های هوشمند
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 812
فایل این مقاله در 9 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:
ICS11_010
تاریخ نمایه سازی: 14 مهر 1392
چکیده مقاله:
اعتبارسنجی یک وظیفه مهم برای مؤسسات مالی همچون بانک ها و شرکت های بیمه می باشد. در سال های اخیر، مدیریت نامناسب در زمینه تخصیص اعتبار، زیان های زیادی را به مؤسسات مالی تحمیل کرده و حتی برخی از آنها را تا حد ورشکستگی سوق داده است. اعتبارسنجی با پیش بینی صحیح رفتار مشتریان، ریسک حاصل از اعطای اعتبار را کاهش می دهد. اعتبارسنجی به صورت یک مسئلهدسته بندی قابل طرح است که مشتریان را بر اساس ویژگی هایشان در دو دسته خوب و بد دسته بندی نماید. هدف این مقاله، توسعه یک رویکرد یکپارچه اعتبارسنجی با دقت و کارایی بالا می باشد. این رویکرد، در مرحله پیش پردازش داده ها برای گسسته سازی داده ها از یک روش خطی و در مرحله مدل سازی از ابزار های ژنتیک و نیوبیز در دو حالت منفرد و ترکیبی برای دسته بندی استفاده می نماید. این رویکرد، بر روی دو مجموعه داده آلمان در پایگاه داده UCI و یک پایگاه داده کوچک از ایران اجرا شده تا عملکرد رقابتی آنها بررسی شود. نتایج نشان می دهد که این رویکرد، معیارهای عملکردی دسته بندی اعم از دقت را بهبود می دهد
کلیدواژه ها:
نویسندگان
علی شالباف زاده
کارشناسی ارشد مهندسی کامپیوتر(نرم افزار)، دانشکده برق و کامپیوتر دانشگاه صنعتی اصفهان
تقی رضوان
دانشجوی دکتری مهندسی صنایع، دانشکده صنایع و سیستم ها، دانشگاه صنعتی اصفهان، دانشگاه صنعتی اصفهان، دانشکده صنایع و سیستم ه
علی زینل همدانی
استاد دانشکده مهندسی صنایع و برنامه ریزی سیستم ها، دانشگاه صنعتی اصفهان
افشین شهلایی مقدم
استاد دانشکده مهندسی صنایع و برنامه ریزی سیستم ها، دانشگاه صنعتی اصفهان
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 :