CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

پیش بینی ورشکستگی و امتیازدهی اعتباری با استفاده از الگوریتم ترکیب جمعی مبتنی بر خوشه بندی لایه ای غیر یکنواخت

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۴۷ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: ICEECS02_035
زبان مقاله: فارسی
حجم فایل: ۴۰۵.۷۸ کلیوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF 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. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله پیش بینی ورشکستگی و امتیازدهی اعتباری با استفاده از الگوریتم ترکیب جمعی مبتنی بر خوشه بندی لایه ای غیر یکنواخت

  الهام بحرینی - دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان
  علی اکبر نیک نفس - استادیار دانشکده مهندسی کامپیوتر دانشگاه شهید باهنر کرمان

چکیده مقاله:

روش های یادگیری جمعی به طور گسترده در سیستم های پیش بینی ورشکستگی و امتیازدهی اعتباری با دقت و بهره وری بالا استفاده می شوند این مقاله یک مدل امتیاز دهی مقاله یک مدل امتیاز دهی اعتباری با دقت بالا را بر اساس یک سیستم ترکیب جمعی مبتنی بر خوشه بندی لایه ای غیر یکنواخت ارائه می دهد در این روش مجموعه داده به تعداد متفاوتی خوشه در لایه های متفاوت تقسیم بندی می شود طبقه بندی های پایه روش خوشه ها در لایه های متفاوت آموزش داده می شوند دقت روش پیشنهادی به تعداد لایه ها و تعداد خوشه ها در لایه های متناظر بستگی دارد بنابراین یک جستجوی مبتنی بر الگوریتم ژنتیک برای به دست اوردن تعداد بهینه لایه ها و خوشه ها انجام می شود الگوریتم ژنتیک با تابع هدف دقت ضربدر تنوع ارزیابی می شود با استفاده از مجموعه داده ای شناخته شده آلمان مقایسه ای بین نتایج آزمایشات مدل پیشنهادی با سایر مدل های ارائه شده در کارهای گذشته فراهم شده است

کلیدواژه‌ها:

امتیاز دهی اعتبار،پیش بینی ورشکستگی،یادگیری جمعی،الگوریتم ژنتیک،الگوریتم ترکیب جسمی مبتنی بر خوشه بندی لایه ای غیر یکنواخت

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-ICEECS02-ICEECS02_035.html
کد COI مقاله: ICEECS02_035

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:
بحرینی, الهام و علی اکبر نیک نفس، ۱۳۹۴، پیش بینی ورشکستگی و امتیازدهی اعتباری با استفاده از الگوریتم ترکیب جمعی مبتنی بر خوشه بندی لایه ای غیر یکنواخت، دومین کنفرانس بین المللی مهندسی برق و علوم کامپیوتر، شیراز، پردیس بین الملل توسعه ایده هزاره، https://www.civilica.com/Paper-ICEECS02-ICEECS02_035.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: (بحرینی, الهام و علی اکبر نیک نفس، ۱۳۹۴)
برای بار دوم به بعد: (بحرینی و نیک نفس، ۱۳۹۴)
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 :

  • P. R. Kumar and V Ravi, "Bankruptcy prediction in banks ...
  • K.-S. Shin, T. S. Lee, and H.-j. Kim, " An ...
  • Z. Huang, H. Chen, C.-J. Hsu, W.-H. Chen, and S. ...
  • T. Lensberg, A. Eilifsen, and T. E .McKee, "Bankruptcy theory ...
  • A. Vellido, P. J. Lisboa, and J. Vaughan, "Neural networks ...
  • B. K. Wong and Y. Selvi, "Neural network applications in ...
  • ]11[W. H. Beaver, "Financial ratios as predictors of failure, " ...
  • ]11[E. I. Altman, "Financial ratios , discriminant analysis and the ...
  • ]12[J. A. Ohlson, "Financial ratios and the probabilistic prediction of ...
  • ]13[R. C. West, "A factor-analytic approach to bank condition, " ...
  • ]14[K.-S. Shin and Y.-J Lee, "A genetic algorithm application in ...
  • ]15[G. Wang, J. Hao, J. Ma, and H. Jiang, "A ...
  • ]16[M. J. Shaw and J. A. Gentry, "Inductive learning for ...
  • ]17[K. Y. Tam and M. Y. Kiang, "Managerial applications of ...
  • ]18[T.-C. Tang and L.-C. Chi, "Neural networks analysis in business ...
  • ]23[L. Breiman, J. Friedman, C. J. Stone, and R. A. ...
  • ]24[E. Rosenberg and A. Gleit, "Quantitative methods in credit management: ...
  • ]25[H. Raiffa and R. Schlaifer, "Applied Statistical Decision Theory (Harvard ...
  • E. Mays, Handbook of credit scoring: Global Professional Publishi, 2001. ...
  • ]27[A. Saunders and L. Allen, "Credit Risk Measurement _ Approaches ...
  • ]28[C. M. Bishop, Neural networks for pattern recognition: Oxford university ...
  • ]29[C. Cortes and V. Vapnik" , Support-vector networks, " Machine ...
  • ]31[M. Tiemann, S. Pauws, and F. Vignoli, "Ensemble Learning for ...
  • ]32[T. K. Ho, "The random subspace method for constructing decision ...
  • ]33[A. Rahman and B Verma, "Ensemble classifier generation using non-uniform ...
  • ]35[C.-F. Tsai, "Combining cluster analysis with classifier ensembles to predict ...
  • ]36[A. Marcano -Cedeno, A. Marin-D e-La-B arcena, J. Jimenez -Trillo, ...
  • ]37[T. Harris, "Credit scoring using the clustered support vector machine, ...
  • ]38[A. B. Hens and M. K. Tiwari, _ 'Computational time ...
  • ]39[_ Wang, J. Ma, L. Huang, and K. Xu, "Two ...
  • ]41[A. Marques, V. Garcia, and J. S. Sanchez, "Exploring the ...
  • ]41[C.-F. Tsai, Y.-F. Hsu, and D. C. Yen, _ comparative ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    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

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    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.