پیشبینی نوع بیمه مشتریان سازمان تامین اجتماعی با استفاده از ترکیب الگوریتم های دستهبندی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 603

فایل این مقاله در 11 صفحه با فرمت PDF 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:

CEPS04_108

تاریخ نمایه سازی: 11 مرداد 1396

چکیده مقاله:

سازمان تامین اجتماعی از بزرگترین سازمانهایی است که با حجم عظیمی از دادههای خام مشتریان که درطی هر دوره عملکردی به وجود میآید، روبرو است. دادهها بهصورت خام قابل استفاده نیستند، بلکه دانش موجود در آنهاباید استخراج گردد. استفاده از ابزار دادهکاوی میتواند جهت کشف دانش بسیار مفید و موثر باشد. یکی از چالشهای پیش روی سازمان تامین اجتماعی، پیش بینی دقیق و سریع نوع بیمه مشتریان آن است. برای حل این مشکل، در این مقالهانواع مدلهای ترکیبی از دستهبندهای پایه در قالب چهار روش طبقهبندی، ترقی دادن، پشته سازی و رایگیری ارایه و عملکرد آنها مورد سنجش و مقایسه قرار گرفته است. بر اساس نتایج ارزیابیها، بیشترین دقت، در مدل ترکیبی پشته- سازی با دستهبند پایه رگرسیون لجستیک و دستهبندهای درخت کاربردی، درخت تصمیم متناوب، کتابخانه ماشین بردارپشتیبان و بهینهسازی متوالی کمینه به دست آمد که در مقایسه با الگوریتمهای پایه بهبود قابل توجهی داشتهاند

نویسندگان

محمد جهانگیری

دانشگاه آزاد اسلامی واحد اصفهان خوراسگان، گروه کامپیوتر، خوراسگان، اصفهان، ایران

کیوان محبی

دانشگاه آزاد اسلامی واحد مبارکه، گروه برق و کامپیوتر، مبارکه، اصفهان، 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 :