Cost Sensitive Modeling of Credit Card Fraud Detection Using a Hybrid Genetic Algorithm- Neural Network Strategy
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 379
فایل این مقاله در 7 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:
CEPS04_094
تاریخ نمایه سازی: 11 مرداد 1396
چکیده مقاله:
This paper intends to develop a credit card fraud detection (CCFD) model based on Artificial Neural Networks (ANN). Because of the unbalanced nature of the data (Fraud and Non-Fraud cases), the detection of fraudulent transactions is a difficult goal to achieve. To deal with the problem of imbalanced data, Meta Cost procedure is added. Applying Genetic Algorithm (GA) to the Neural Network (NN) for topology automation design results in improved performance. The proposed model is based on misuse detection approach. Compared to the model based on Artificial Immune System (AIS), this hybrid model showed cost saving and increased detection rate. Data of this study is taken from a real transactional data provided by a big Brazilian bank
کلیدواژه ها:
نویسندگان
Fahimeh Ghobadi
Computer Engineering Department Islamic Azad University South Tehran Branch Tehran, Iran
Mohsen Rohani
Computer Engineering Department Islamic Azad University South Tehran Branch Tehran, Iran
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 :