مقاله بکارگیری تکنیکهای خوشه بندی و الگوریتم ژنتیک در ساخت درختان تصمیم گیری برای طبقه بندی بهینه مشتریان بانکها

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله بکارگیری تکنیکهای خوشه بندی و الگوریتم ژنتیک در ساخت درختان تصمیم گیری برای طبقه بندی بهینه مشتریان بانکها دارای ۲۱ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله بکارگیری تکنیکهای خوشه بندی و الگوریتم ژنتیک در ساخت درختان تصمیم گیری برای طبقه بندی بهینه مشتریان بانکها  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله بکارگیری تکنیکهای خوشه بندی و الگوریتم ژنتیک در ساخت درختان تصمیم گیری برای طبقه بندی بهینه مشتریان بانکها،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله بکارگیری تکنیکهای خوشه بندی و الگوریتم ژنتیک در ساخت درختان تصمیم گیری برای طبقه بندی بهینه مشتریان بانکها :

تعداد صفحات:۲۱

چکیده:

بانکها به منظور تعیین ریسک اعتباری و ارائه خدماتمالی به مشتریان خودنیازمند شناسای دقییق آنها هستند مدلهای اعتبار سنجی می تواننددر این زمینه به پشتیبانی از بانکها بپردازند درختان تصمیم گیری به عنوان یکی از تکنیکهای داده کاوی کاربرد زیادی در اعتبار سنجی مشتریان بانکها و اعطای تسهیلات اعتباری به آنها دارند. مسئله اصلی شامل دقت طبقه بندی پیچیدگی اندازه بیش از حد و عدم انعطافپذیری درختان تصمیم گیری در طبقه بندی و اعتبار سنجی مشتریان است هدف از این مقاله ارائه مدل تلفیقی پیشنهادی برای حل مسائل فوق و بهینه سازی درختان تصمیمگیری و با بکارگیری تکنیکهای خوشه بندی و الگوریتم ژنتیک است می توان با انتخاب ویژگیهای مناسب توسط الگوریتم ژنتیک و ساخت درختان تصمیم گیری به کاهش پیچیدگی افزایش انعطاف پذیری و دقت طبقه بندی پرداخت در مدل تلفیقی پیشنهادی ابتدا عمل خوشه بندی برروی مجموعه داده اعتباری صورت می گیرد. سپس توسط الگوریتم طبقه بندی متا و الگوریتم انتخاب ویژگی مبتنی بر درخت تصمیم گیری ژنتیکی درخت تصمیم گیری C4.5 در هر خوشه ساخته می شود در نهایت با اتخاذ یک استراتژی مناسب بهترین درختان تصمیم گیری در هر خوشه برای اعتبار سنجی مشتریان انتخاب می شود.