CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

روشی برای پیش بینی انواع بازنشستگی سازمان تامین اجتماعی مبتنی بر الگوریتم درخت تصمیم

اعتبار موردنیاز PDF: ۱ WORD: ۶ | تعداد صفحات: ۱۴ | تعداد نمایش خلاصه: ۸۴ | نظرات: ۰
سال انتشار: ۱۳۹۵
کد COI مقاله: COMCONF03_078
زبان مقاله: فارسی
حجم فایل: ۳۳۳.۳۹ کیلوبایت (فایل این مقاله در ۱۴ صفحه با فرمت PDF قابل دریافت می باشد)
محتوای کامل این مقاله با فرمت WORD هم قابل دریافت می باشد.

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF یا WORD مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۴ صفحه است به صورت فایل PDF و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله روشی برای پیش بینی انواع بازنشستگی سازمان تامین اجتماعی مبتنی بر الگوریتم درخت تصمیم

  محمدرضا احمدی ورزنه - دانشجوی کارشناسی ارشد مهندسی کامپیوتر ، دانشگاه آزاد اسلامی اصفهان،ایران
علیرضا نوروزی - استادیار گروه کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه آزاد اسلامی واحد شهرمجلسی ، ایران
    کیوان محبی - استادیار گروه کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه آزاد اسلامی واحد مبارکه ، ایران

چکیده مقاله:

حجم بزرگ داده های تولید شده در هر سازمان به تنهایی به مدیران در تصمیم گیری کمکی نخواهد کرد، بلکه باعث سر در گمی مدیران سازمان ها نیز می شود. بنابراین مدیریت داده های خام و تبدیل آن به دانش با استفاده از تکنیک های گوناگون، نقش اساسی و محوری دارد. در سازمان تامین اجتماعی با حجم بالای مخاطبین و ذخیره سازی گسترده داده، استفاده از داده کاوی در تولید دانش نهفته از این داده ها به صورت قابل توجهی مطرح می شود. درخت تصمیم یکی از ابزار قوی و کارآمد داده کاوی می باشد که به منظور دسته بندی و پیش بینی مورد استفاده قرار می گیرد. در این تحقیق با اعمال مدل های داده کاوی موجود بر روی داده های بازنشستگان سازمان تامین اجتماعی، درخت تصمیم عملکرد بهتری نسبت به سایر مدل ها نشان داد از این رو برای پیش بینی انتخاب شد. تمام قوانین ممکن را می توان از مجموعه ویژگی ها ایجاد کرد که در صورت وجود تعداد زیادی از ویژگی ها، پیچیدگی محاسباتی درخت بالا خواهد رفت. این موضوع باعث می شود که از الگوریتم فرا ابتکاری ژنتیک، برای پیدا کردن بهترین قوانین استفاده شود و با انتخاب قوانین مناسب بتوان کلاس داده ها را با دقت بالاتری پیش بینی کرد. در این مقاله پس از استخراج داده های خام از پایگاه داده سازمان تامین اجتماعی و آماده سازی و پیش پردازش آن ها، از الگوریتم درخت تصمیم با هدف پیش بینی انواع بازنشستگی استفاده می شود. در ادامه جهت افزایش دقت در پیش بینی، قوانین مستخرج از درخت با بکارگیری الگوریتم ژنتیک بهبود و قوانینی که در تصمیم گیری دارای ارزش بالاتری بودند انتخاب شد. پیش بینی داده ها با الگوریتم های C4.5، CART،QUEST، Bayes Network ، Neural Network ، SVM انجام شد و نتایج با روش پیشنهادی مبتنی بر بهبود درخت تصمیم مقایسه شده است که روش پیشنهادی نسبت به سایر الگوریتم ها از عملکرد بهتری برخوردار است.

کلیدواژه‌ها:

دسته بندی، درخت تصمیم ، ژنتیک، ویژگی ،بازنشستگی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-COMCONF03-COMCONF03_078.html
کد COI مقاله: COMCONF03_078

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
احمدی ورزنه, محمدرضا؛ علیرضا نوروزی و کیوان محبی، ۱۳۹۵، روشی برای پیش بینی انواع بازنشستگی سازمان تامین اجتماعی مبتنی بر الگوریتم درخت تصمیم، سومین کنفرانس سراسری نوآوری های اخیر در مهندسی برق و کامپیوتر، تهران، موسسه آموزش عالی نیکان، https://www.civilica.com/Paper-COMCONF03-COMCONF03_078.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (احمدی ورزنه, محمدرضا؛ علیرضا نوروزی و کیوان محبی، ۱۳۹۵)
برای بار دوم به بعد: (احمدی ورزنه؛ نوروزی و محبی، ۱۳۹۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • . البرزی م. محمد پورزرندی م ا. خان بابایی م. ...
  • استفاده از داده کاوی برای تخمین عمر بازنشستگی بیمه شدگان سازمان تامین اجتماعی با ایجاد انبار داده [مقاله کنفرانسی]
  • نیکپور، ح.(۱۳۹۳)، هفته نامه پژوهشی سازمان تامین اجتماعی، شماره ۷۴۷، ...
  • Safavian S. R and Landgrebe D. (1991) , _ Survey ...
  • Seifert, Jeffery.W. (2004) , "Data Mining: An Overview: ...
  • PollheimH. (2006) , 'Genetic and Evolutionary Algorithms: Principles. Methods and ...
  • Jiawei H and Kamber M.(2006) _ "Data mining: concepts and ...
  • SIII T MATHEW (2013) , SVM Ensemble for Insurance Data ...
  • Mitra S, Pal S K, Mitra P. (2002) , 'Data ...
  • Galathiya A. S. Ganatra A. P and Bhensdadia C. K. ...
  • FANa C. HEb Y. ZHANGH. (2007) _ "Predictive Model Based ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۸۱۲۴
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
  • علوم پزشکی > سازمان تامین اجتماعی
  • اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.