ارایه الگوریتم OISVM Density برای کشف تقلب درکارتهای اعتباری

کشف تقلب یکی از فعالیت های حیاتی در بانک ها و سازمان های صدور کارت اعتباری است . تعداد تراکنش های ثبت شده در سیستم در طول روز زیاد است و لازم است این تراکنش ها به صورت آنلاین مدیریت و بررسی شوند.در این مقاله از شبکه های عصبی مصنوعی توسط الگوریتم ارایه شده که یک الگوریتم طبقه بندی آنلاین استفاده شده است . یکی از روشهای کارآمد برای حل این مساله روشهای مبتنی بر ماشینهای بردار پشتیبان است از طرفی چون عملیات نهایی ماشینهای بردارپشتیبان فقط به بردارپشتیبان هایی وابسته است که به ابرصفحه جداشونده ی مطلوب نزدیک میباشند؛تمام نمونه های دیگر نسبت به این عملیات تصمیم گیری یا ابر صفحه جداشونده نامربوط میشوند،که دراینصورت ممکن است طبقه بند، دقت پایینی داشته باشد . ما در این مقاله برای رسیدن به دقت و سرعت وحافظه مطلوب میخواهیم با انعکاس توزیع تراکم اطلاعات و بردارهای مستقل خطی ماشینهای بردار پشتیبان را برای کشف تقلب بهبود دهیم.بروز رسانی با استفاده از رو نیوتون نیز در حداقل زمان انجام می گیرد.عملکرد روش پیشنهادی بر روی مجموعه داده هایی از تراکنش های ثبت شده کارت های بانکی ارزیابی شده است و نتایج نشان میدهد که زمان آموزش و تست به طور قابل ملاحظه ای کاهش یافته و دقت افزایش یافته است.

کلیدواژه ها:

کشف تقلب در کارت های اعتباری ، ماشین بردار پشتیبان ، بردارهای مستقلخطی ، یادگیری آنلاین