استفاده از روش قواعد انجمنی اپیروی با استفاده از کلونی پرندگان در محیط فازی برای استخراج قواعد رتبه بندی اعتبار در بانک ها و موسسات اعتباری

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 799

فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IRFINANCE06_104

تاریخ نمایه سازی: 27 شهریور 1393

چکیده مقاله:

رتبه بندی اعتباری به عنوان یکی از الزامات کمیته جهانی بانک ها مدنظر و توجه قرار گرفته است. رتبه بندی اعتباری در بانک ها به علت ایجاد مزیت رقابتی برای بانک امروزه از اهمیت خاصی برخوردار است. در این مقاله ابتدا رویکردهای مختلف برای استخراج قواعد مورد بررسی قرار گرفته و نهایتاٌ یک رویکرد جدید به منظور استخراج قواعد انجمنی فازی برای حل مساله رتبه بندی اعتبار با استفاده از بهینه سازی الگوریتم پرندگان ارائه شده است. و تابع برازندگی مناسبی به منظور یافتن «قواعد سرانگشتی» مناسب در نظر گرفته شده است. نهایتاٌ کاربرد رویکرد ارائه شده در داده های استاندارد یک بانک استرالیایی، آلمانی و داده های واقعی یک بانک ایرانی پس از انجام عملیات تنظیف داده ها بررسی و ارائه شده است.

نویسندگان

محمدرضا غلامیان

استادیار دانشکده مهندسی صنایع دانشگاه علم و صنعت ایران

سید مهدی سادات رسول

دانشجوی دکتری مهندسی صنایع گرایش مدیریت سیستم و بهره وری دانشکده مهندسی صنایع دانشگاه علم و صنعت

زینب حاجی محمدی

کارشناسی ارشد علوم کامپیوتر دانشکده علوم ریاضی دانشگاه امیرکبیر

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 :
  • Basel Committee on Banking Supervision، International convergenceof capital measuremet and ...
  • Han، J.، M. Kamber، and , Pei، Data mining: concepts ...
  • Agrawal، R.، Mannila، H.، Srikant، R.، Toivonen، H. Verkamo، A.. ...
  • West، D.، S. Dellana، et al (2005). Neural network ensemble ...
  • Loris Nanni _ Alessandra Lumini (2009) : An experimental comparison ...
  • YongSeog Kim.(2009) Boosting and measuring the performance of ensembles for ...
  • T. Mitchell، Machine Learning، McGraw Hill، New York، 1997. ...
  • A.K. Jain، M.N. Murty، P.J. Flynn، Data clustering: a review، ...
  • E.M. Knorr، R.T. Ng، Algorithms for mining distance-based outliers in ...
  • J. Kittler، M. Hatef، R.P.W. Duin، J. Matas، On combining ...
  • J. Huysmans، B. Baessens، J. Vanthienen، T.V. Gestel، Failue prediction ...
  • Zadeh، L.A.، 1975a. The concept of a linguistic variable and ...
  • Zadeh، L.A.، 1975b. The concept of a linguistic variable and ...
  • Zadeh، L.A.، 1976. The concept of a linguistic variable and ...
  • Han، J.W.، Kamber، M. 2001. Data Mining: Concepts andTechniques. Morgan ...
  • Hu، Y.C.، Chen، R.S.، Tzeng، G.H.، 2002. Mining fuzzyas sociation ...
  • Ishibuchi، H.، Nozaki، K. Tanaka، H. 1992. Di stribute drepresentation ...
  • Ishibuchi، H.، Nozaki، K.، Yamamoto، N.، Tanaka، H. 1995.Selecting fuzzy ...
  • نمایش کامل مراجع