تشخیص تقلب در بانکداری الکترونیکی با استفاده از داده کاوی
محل انتشار: همایش ملی مهندسی رایانه و مدیریت فناوری اطلاعات
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 4,108
فایل این مقاله در 16 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:
- صنعت بانکداری > بانکداری الکترونیک
- صنعت بانکداری > بانکداری
- هوش مصنوعی > داده کاوی
- هوش مصنوعی > درخت تصمیم
- هوش مصنوعی > شبکه عصبی
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CSITM01_433
تاریخ نمایه سازی: 10 شهریور 1393
چکیده مقاله:
موسسات مالی و پولی به دنبال تسریع در شناخت فعالیت های کلاهبرداران و متقلبان می باشند. علت این امر اثر مسقیم آن رویخدمت رسانی به مشتریان این موسسات، کاهش هزینه های عملیاتی و باقی ماندن به عنوان یک ارائه دهنده خدمات مالی معتبر وقابل اطمینان میباشد. از طرفی در سالهای اخیر با گسترش فناوری اطلاعات و ارتباطات، بانکداری الکترونیک رواج زیادی پیدا کردهاست. در این بین به کارگیری تکنیک های شناسایی تقلب به منظور جلوگیری از اقدامات متقلبانه در سیستم های بانکداری به خصوصسیستم های بانکداری الکترونیک، امری اجتناب ناپذیر است. در این تحقیق، روش های داده کاوی به منظور تشخیص تقلب در بانکداریالکترونیک بررسی می گردد. بدین منظور از یک روش ترکیبی شامل خوشه بندی به منظور تفکیک مشتریان و رده بندی به منظور ساخت مدلی جهت کشف تقلب استفاده می شود. در مرحله خوشه بندی از روش های K میانگین، کوهنن و روش دو مرحله ای و در مرحله رده بندی از روش های تکی رده بندی شامل درخت تصمیم ،شبکه عصبی و ماشین بردار پشتیبان و همچنین روش های جمعی رده بندی مانند بگینگ، بوستینگ استفاده خواهد شد. در نهایت، نتایج بدست آمده نشان می دهد در مرحله خوشه بندی روش K میانگین خوشه بندی بهتری را انجام می دهد و مدل بگینگ شبکه های عصبی در پیشبینی رده های موجود در مجموعه داده نسبت به سایر مدلها دقت بهتری دارد.
کلیدواژه ها:
نویسندگان
ساناز کاشانی
دانشجوی کارشناسی ارشد علوم کامپیوتر دانشگاه سیستان و بلوچستان
مهری مهرجو
عضو هیات علمی دانشگاه سیستان و بلوچستان
مهدی زراعتگری
دانشجوی کارشناسی ارشد علوم کامپیوتر دانشگاه سیستان و بلوچستان