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

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

عنوان مقاله: پیش بینی ورشکستگی و امتیازدهی اعتباری با استفاده از الگوریتم ترکیب جمعی مبتنی بر خوشه بندی لایه ای غیر یکنواخت
شناسه (COI) مقاله: ICEECS02_035
منتشر شده در دومین کنفرانس بین المللی مهندسی برق و علوم کامپیوتر در سال ۱۳۹۴
مشخصات نویسندگان مقاله:

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

خلاصه 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

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

صفحه اختصاصی مقاله و دریافت فایل کامل: https://www.civilica.com/Paper-ICEECS02-ICEECS02_035.html