پیش بینی ورشکستگی و امتیازدهی اعتباری با استفاده از الگوریتم ترکیب جمعی مبتنی بر خوشه بندی لایه ای غیر یکنواخت
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 516
فایل این مقاله در 8 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:
ICEECS02_035
تاریخ نمایه سازی: 9 مرداد 1395
چکیده مقاله:
روش های یادگیری جمعی به طور گسترده در سیستم های پیش بینی ورشکستگی و امتیازدهی اعتباری با دقت و بهره وری بالا استفاده می شوند این مقاله یک مدل امتیاز دهی مقاله یک مدل امتیاز دهی اعتباری با دقت بالا را بر اساس یک سیستم ترکیب جمعی مبتنی بر خوشه بندی لایه ای غیر یکنواخت ارائه می دهد در این روش مجموعه داده به تعداد متفاوتی خوشه در لایه های متفاوت تقسیم بندی می شود طبقه بندی های پایه روش خوشه ها در لایه های متفاوت آموزش داده می شوند دقت روش پیشنهادی به تعداد لایه ها و تعداد خوشه ها در لایه های متناظر بستگی دارد بنابراین یک جستجوی مبتنی بر الگوریتم ژنتیک برای به دست اوردن تعداد بهینه لایه ها و خوشه ها انجام می شود الگوریتم ژنتیک با تابع هدف دقت ضربدر تنوع ارزیابی می شود با استفاده از مجموعه داده ای شناخته شده آلمان مقایسه ای بین نتایج آزمایشات مدل پیشنهادی با سایر مدل های ارائه شده در کارهای گذشته فراهم شده است
کلیدواژه ها:
امتیاز دهی اعتبار ، پیش بینی ورشکستگی ، یادگیری جمعی ، الگوریتم ژنتیک ، الگوریتم ترکیب جسمی مبتنی بر خوشه بندی لایه ای غیر یکنواخت
نویسندگان
الهام بحرینی
دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان
علی اکبر نیک نفس
استادیار دانشکده مهندسی کامپیوتر دانشگاه شهید باهنر کرمان
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 :