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

توسعه یک سیستم تشخیص مشتری تلفیقی مبتنی بر درخت رگرسیونی هرس شده و شبکه عصبی بهبود یافته

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۱۱ | تعداد نمایش خلاصه: ۱۹۰ | نظرات: ۰
سال انتشار: ۱۳۸۹
کد COI مقاله: JR_IJIE-21-4_008
زبان مقاله: فارسی
حجم فایل: ۳۲۵.۷۱ کیلوبایت (فایل این مقاله در ۱۱ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۱۱ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳,۰۰۰ تومان بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۱ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله توسعه یک سیستم تشخیص مشتری تلفیقی مبتنی بر درخت رگرسیونی هرس شده و شبکه عصبی بهبود یافته

  علیرضا سروش - دانشجوی دکتری مهندسی صنایع ، فنی و مهندسی ، دانشگاه تربیت مدرس
اردشیر بحرینی نژاد - استادیار مهندسی صنایع ، فنی و مهندسی ، تربیت مدرس

چکیده مقاله:

در دنیای رقابتی امروزی، شیوه های جذب مشتری یک از با اهمیت ترین حوزه های کاربردی داده کاوی بوده و پرواضح است که یکی از مهمترین ابعاد آن پیش بینی رفتار خرید مشتری است. زیرا ، پیش بینی خوب می تواند به توسعه استراتژی های بازاریابی دقیق تر و صرف کاراتر منابع کمک نماید. ایجاد یک سیستم تشخیص مشتری (CRS) به دلیل وجود تعداد زیادی ویژگی در دسترس طراح کاری بسیار مشکل است. به علاوه ، نیاز شدیدی به ایجاد یک CRS وجود دارد که همزمان پیچیدگی کم و قابلیت پیش بینی خوبی را داشته باشد . از اینرو ، مقصود این مقاله ، توسعه یک CRS تلفیقی (HCRS) است که از نظر محاسباتی کارا و اثربخش است . نوآوری مدل HCRS ، هم طراحی و هم پیاده سازی سیستم مذکور با ایجاد یک درخت رگرسیونی هرس شده (PRT) و طراحی یک شبکه عصبی پیشخوراند بهبود یافته (IFFNN) جهت افزایش سرعت ، دقت و کاهش پیچیدگی را شامل می شود. از آنجایی که ، شناسایی مشتریان یکی از دغدغه های صنعت بیمه است ، از داده های یک شرکت بیمه هلندی استفاده شده است . نتایج نشان داد که HCRS تنها 7٪ از ویژگی ها را در حالت بهینه انتخاب می کند که به میزان قابل توجهی هزینه محاسبات را کاهش می دهد. به علاوه ، نتایج نشان داد که PRT نسبت به روش منحنی مشخصه عملیاتی دریافت کننده کاراتر بوده و IFFNN نسبت به FFNN و PRT پیش بینی های دقیقتری را ارائه می کند.

کلیدواژه‌ها:

انتخاب ویژگی ،پیش بینی ، درخت گرسیونی هرس شده ، سیستم تشخیص مشتری ، شبکه عصبی بهبود یافته

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-JR_IJIE-JR_IJIE-21-4_008.html
کد COI مقاله: JR_IJIE-21-4_008

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:
سروش, علیرضا و اردشیر بحرینی نژاد، ۱۳۸۹، توسعه یک سیستم تشخیص مشتری تلفیقی مبتنی بر درخت رگرسیونی هرس شده و شبکه عصبی بهبود یافته، فصلنامه بین المللی مهندسی صنایع و مدیریت تولید 21 (4)، https://www.civilica.com/Paper-JR_IJIE-JR_IJIE-21-4_008.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: (سروش, علیرضا و اردشیر بحرینی نژاد، ۱۳۸۹)
برای بار دوم به بعد: (سروش و بحرینی نژاد، ۱۳۸۹)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: ۲۳۰۶۲
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.