حل مسئله دسته بندی مالی با روش ترکیبی WKNN,PSO

در تصمیمات مالی گروه هایی از پیش تعریف شده وجود دارند که مجموعه ای از مشاهدات توسط متخصصین امر به هریک از گرو هها منتسب می شوند اما هم اکنون باتوجه به پیشرفت سیستمهای هوشمند و وجود الگوریتم های مختلف برای انتساب هریک از مشاهدات به این گروه ها میتوان از مدلهای دسته بنید مختلفی استفاده نمود که هرچقدر این مدلها دقیق تر باشند پیش بینی در نتیجه تصمیم گیری مالی به واقعیت نزدیکتر خواهد بود گام اول جهت افزایش دقت دسته بندی مالی انتخاب مناسب متغیرهای مستقل انتخاب ویژگی feature selection می باشد دراین مقاله سعی نمودن بجای استفادها ز نظر کارشناس امر جهت انتخاب ویژگی از الگوریتم خودکار PSO(Particle swarm optimization و ترکیب آن با WK-NN Ascending نزدیکترین همسایه وزندار شده صعودی جهت انتساب مشاهدات هریک ازدسته ها استفاده شود.

کلیدواژه ها:

بهینه سازی حرکت دسته جمعی ذرات ، انتخاب ویژگی ، دسته بندی نزدیک ترین همسایه ، ارزیابی ریسک اعتبار ، ممیزی