بررسی روش های داده کاوی برای امتیازدهی اعتبار مشتریان بر مبنای الگوریتم های فازی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 626

فایل این مقاله در 36 صفحه با فرمت PDF و WORD قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

COMCONF03_193

تاریخ نمایه سازی: 6 اردیبهشت 1396

چکیده مقاله:

یکی از مهم ترین تکنیک های داده کاوی روش رتبه بندی است تا برای تنظیم نرخ سود و میزان وثیقه، شاخص و معیارهایی در نظر گرفته شوند و مشتریانی که از موقعیت اعتباری مناسبی برخوردارند، بتوانند از آن بهره گیرند. تحقیقات قبلی نشان می دهد که استفاده از الگوریتم های انتخاب ویژگی و رتبه بندی گروه ها می تواند موجب بهبود عملکرد بانک ها در مسایل امتیازدهی اعتبار شود. در این زمینه مهم ترین کارها شبیه سازی و استفاده ترکیبی از چندین الگوریتم انتخاب ویژگی و الگوریتم های رتبه بندی یادگیری گروهی به منظور تنظیم پارامترهایشان برای دستیابی به عملکرد بالاتر است. در این پژوهش تلاش بر این است تا به بررسی مسیله داده کاوی در ارتباط با امتیازدهی اعتبار مشتریان بر مبنای الگویی متفاوت از آنچه تاکنون بدان پرداخته شده بپردازیم.

نویسندگان

بهروز مینایی

دانشیار دانشگاه تهران

بیژن اخلاقی

دانشجوی کارشناسی ارشد دانشگاه علم و صنعت ایران

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 :
  • آذر، ع.؛ احمدی، پ. و سبط، م. (1389). طراحی مدل ...
  • البرزی، م. محمد پورزرندی، م.؛ خان بابایی، م. (1389). به‌کارگیری ...
  • حسینی، ی.؛ بحرینی زاده، م. و ضیائی بیده، ع. (1391). ...
  • قاسمی، هما، دین‌محمدی، مصطفی، نجفی، اسماعیل، 1390، رتبه‌بندی گروهی از ...
  • بهکارگیری دادهکاوی برای کشف مدل امتیازبندی و تحلیل رفتاری مشتریان بانک [مقاله کنفرانسی]
  • Awan H., Shahzad Bukhari Kh., Iqbal A., (2011), Service quality ...
  • Chapman, P. & Clinton, J. & Kerber, R. & Khabaza, ...
  • Danenas, P., & Garsva, G. (2015). Selection of support vector ...
  • Diaz V.Gonzalez , Fernandez J.Gomez , Marquez A.Crespo, (2011), Practical ...
  • Ergu D., Kou G., Shang J., (2014), A Modular -Based ...
  • Fayyad, U. M., P iatetsky- Shapiro, G., Smyth, P., & ...
  • Garg R., Rahman Z., Qureshi M.N., Kumar I., (2012), Identifying ...
  • Kang H.Y., Lee A.H.I., (2010), A new supplier performance evaluation ...
  • Liang, D .Tsai, Ch.F. , Wu, H.T., 20 15.The effect ...
  • Marques, A.I. , Garcia, V. , Sanchez, J. S., 20 ...
  • Marban, O. & Segovia, J. & Menasalvas, E. & F ...
  • OreskiS .Oreski, G..20 14. Genetic algorithm - based heuristc for ...
  • Oreski, S., & Oreski, G. (2014). Genetic algorithm-b ased heuristic ...
  • Paramasivam V., Pushpalatha S., Emmanuel Nicholas P., (2014), Supplier Evaluation ...
  • P unniyamoorty M., Mathiyalagan P., Lakshmi G., (2012), A combined ...
  • Twala, B. (2010). Multiple classifier application to credit risk assessment. ...
  • Wang, G., & Ma, J. (2012). A hybrid ensemble approach ...
  • نمایش کامل مراجع