%41تخفیف

دانلود پروژه: مدیریت کارت‌های اعتباری با استفاده از سیستم ایمنی مصنوعی

تعداد 102صفحه در فایل word

 

کارشناسی ارشد

 

مدیریت کارت‌های اعتباری با استفاده از سیستم ایمنی مصنوعی

چکیده

بانک‌ها و مؤسسات مالی و اعتباری با اعطای تسهیلاتی از قبیل وام و اعتبار در اختیار مشتریان خود با ریسک‌هایی از جمله عدم پرداخت سر موعد مشتری و کاهش نقدینگی مواجه هستند. پیش‌بینی این ریسک‌ها قبل از اعطای تسهیلات برای بانک‌ها از اهمیت ویژه‌ای برخوردار است. به این‌گونه تصمیم‌گیری‌ها اعتبارسنجی گفته می‌شود. اطلاعات لازم برای چنین تصمیم‌گیری‌هایی به سابقه‌ی مالی مشتری، وضعیت جاری وی و ریسک‌های کنونی بانک بستگی دارد. امروزه افزایش مشتریان بانک از یک طرف و افزایش سرویس‌های بانکی از طرف دیگر سنجش دستی اعتبار را تقریباً غیرممکن ساخته است.

در این پژوهش یک دسته‌بند فازی برای حل مسأله‌ی اعتبارسنجی ارائه شده است. در این دسته‌بند، دانش خروجی به صورت قوانین فازی نمایش داده می‌شود. توانایی سیستم‌های فازی در مدل کردن ابهام و قابل تفسیر بودن دانش خروجی کمک می‌کند تا راهکار پیشنهادی توسط متخصصان رشته‌ی مالی قابل فهم باشد. اما مفهوم قابلیت تفسیر و کارایی با یکدیگر نسبت عکس دارند که یکی از چالش‌های این پژوهش می‌باشد.

یک سیستم فازی متشکل از مؤلفه‌های مبدل فازی، یادگیرنده‌ی قانون و مفسر فازی می‌باشد. راهکار پیشنهادی در مبدل فازی ویژگی‌های مجموعه‌ی داده‌ای را برای سادگی نرمال می‌کند. مؤلفه‌ی یادگیرنده‌ی قانون از سیستم ایمنی مصنوعی برای استخراج قانون بهره می‌برد. سیستم ایمنی مصنوعی، روشی برگرفته از سیستم ایمنی بدن انسان می‌باشد. مزیت اصلی سیستم ایمنی در نرخ بالای جهش است که قدرت اکتشاف الگوریتم را افزایش می‌دهد. برای اندازه‌گیری میزان پیوند آنتی‌بادی-آنتی‌ژن، توابع نوینی بکار گرفته شده است که علاوه بر کارایی، قابلیت تفسیر را نیز بهبود می‌بخشند. برای موازنه‌ی میان اکتشاف و استخراج از مدل‌های جدید حافظه‌ی ایمنی برای یادآوری جهش‌های موفق استفاده می‌شود. مدل‌های حافظه‌ای ارائه شده، احتمال انتخاب یک ویژگی را حین جهش دستکاری می‌کنند. برای مقابله با عدم تقارن ویژگی‌ها در مجموعه‌ی داده‌ای، مراحل کمکی به الگوریتم اصلی اضافه می‌شوند که قوانین را با استفاده از توابع عضویت چندگانه و قیدهای فازی اصلاح می‌نمایند. در مؤلفه‌ی مفسر فازی، در کنار روش تک‌قانون برنده، روش شبیه‌ترین قانون ارائه شده است.

نتایج ارزیابی روی مجموعه‌های داده‌ای اعتباری نشان می‌دهد که راهکار پیشنهادی توانسته است چالش قابلیت تفسیر و کارایی را حل کند. از نظر کارایی به مقدار 90.72 درصد در مجموعه‌ی استرالیا و 80.1 درصد در مجموعه‌ی آلمان رسیده است که قابل رقابت با سایر پژوهش‌های این حوزه می‌باشد و از لحاظ قابلیت تفسیر نیز به نتایج قابل قبولی در میان الگوریتم‌های اعتبارسنجی که تاکنون ارائه شده، دست یافته است.

واژه­های کلیدی: سیستم ایمنی مصنوعی، انتخاب کلونی، استخراج قانون فازی، اعتبارسنجی، مدیریت اعتبار.

فهرست مطالب

1-کلیات.. 1

1-1- مقدمه. 1

1-2- صورت مسأله. 2

1-3- اهداف و نتایج حاصل از پژوهش…. 4

1-4- جنبه‌های نوآوری.. 6

1-5- مروری بر فصلها 7

2- مفاهیم پایه و پیش‌زمینه‌ی تحقیق.. 9

2-1- دسته‌بندی: شاخه‌ای از داده‌کاوی.. 9

2-2- سیستم‌های ایمنی.. 10

2-2-1- سیستم ایمنی بدن انسان.. 11

2-2-2- استفاده از سیستم ایمنی در حل مسأله. 15

2-3- مفاهیم سیستم‌های فازی.. 18

2-3-1- منطق فازی نوع 1. 18

2-3-2 منطق فازی نوع 2. 19

2-3-3- سیستم‌های دسته‌بندی مبتنی بر قوانین فازی.. 20

3- پژوهش‌های پیشین در زمینه‌ی اعتبارسنجی.. 24

3-1- Discriminant Analysis. 24

3-2- Support Vector Machines. 26

3-3- روش‌های مبتنی بر نمونه. 28

3-4- درخت تصمیم.. 29

3-5- روش‌های Bayesian. 29

3-6- روش‌های مبتنی بر مدل مارکوف.. 30

3-7- شبکه‌های عصبی.. 31

3-8- روش‌های تکاملی.. 32

3-8-1- سیستم‌های ایمنی مصنوعی.. 32

3-8-2- الگوریتم ژنتیک… 32

3-8-3- شبیه‌سازی تبرید فلزات.. 33

3-9- روش‌های Ensemble. 34

4- روش پیشنهادی اعتبارسنجی.. 38

4-1- مروری بر اعتبارسنجی.. 38

2-4- نمای کلی راهکار پیشنهادی.. 39

4-3- مبدل فازی.. 40

4-4- یادگیرنده‌ی قانون.. 40

4-4-1- روش FAIS: سیستم ایمنی فازی.. 40

4-4-2- روش MFAIS: سیستم ایمنی فازی حافظه‌ای.. 49

4-4-3- روش ایمنی فازی چند مرحله‌ای.. 55

4-5- مفسر فازی.. 57

4-5-1- استدلال از طریق شبیه‌ترین قانون.. 58

5- ارزیابی روش پیشنهادی.. 59

5-1- مدل ارزیابی.. 59

5-2- آماده‌سازی.. 61

3-5- مجموعه‌های داده‌ای اعتباری.. 61

5-4- تنظیم پارامترهای الگوریتم.. 62

5-4-1- انتخاب روش‌های انتخاب سلولی.. 63

5-4-2- انتخاب توابع پیشنهادی.. 64

5-4-3- تحلیل حداکثر تعداد تغییرات در جهش (Q) 69

5-4-4- تحلیل احتمال تغییر به واژه‌ی «بی‌اهمیت» (PDC) 72

5-5- بررسی تأثیر حافظه در یادگیری قانون.. 72

5-6- تحلیل سیستم‌های ایمنی فازی چند مرحله‌ای.. 76

5-7- بررسی تأثیر مؤلفه‌ی مفسر فازی.. 76

5-8- بررسی روش‌های پیشنهادی.. 76

5-9- مقایسه با سایر روش‌های دسته‌بندی و پژوهش‌های گذشته‌ی اعتبارسنجی.. 80

6- نتیجه‌گیری و پژوهش‌های آینده. 85

6-1- نتیجه‌گیری.. 85

6-2- پژوهش‌های آینده. 87

لیست جداول

 

جدول 3-1 نتایج گزارش شده در روش Martens و همکارانش روی مجموعه‌ی اعتباری استرالیا (برگرفته از [39])

28

جدول 4-1 نمادها و پارامترهای استفاده شده در الگوریتم‌های FAIS، MFAIS و ایمنی چند مرحله‌ای ………………..

41

جدول 4-2 تعداد سلول‌های برگزیده برای جهش ………………………………………………………………………………….

44

جدول 4-3 توابع پیشنهادی برای تنزل حافظه ………………………………………………………………………………………

52

جدول 4-4 به روز رسانی میزان مشارکت گره­ها …………………………………………………………………………………….

58

جدول 5-1 یک ماتریس Confusion دو بعدی …………………………………………………………………………………..

60

جدول 5-2 مجموعه‌های داده‌ای اعتباری UCI ………………………………………………………………………………………

62

جدول 5-3 ویژگی‌های مجموعه‌ی اعتباری آلمان ………………………………………………………………………………….

63

جدول 5-4 مقادیر پیش‌فرض پارامترها …………………………………………………………………………………………………..

64

جدول 5-5 مقادیر پارامترهای توابع انتخاب در FAIS …………………………………………………………………………..

64

جدول 5-6 مقدار کارایی و میانگین طول قانون برای تابع پیوند affinity در مجموعه‌ی اعتباری آلمان …….

67

جدول 5-7 مقدار کارایی و میانگین طول قانون برای تابع پیوند affinity در مجموعه‌ی اعتباری استرالیا ….

68

جدول 5-8 تعیین مقدار P با توجه به نتایج آزمایش‌های انجام شده …………………………………………………….

72

جدول 5-9 مقایسه‌ی نسخه‌های الگوریتم پیشنهادی در مجموعه‌ی داده‌ای آلمان ………………………………

80

جدول 5-10 مقایسه‌ی نسخه‌های الگوریتم پیشنهادی در مجموعه‌ی داده‌ای استرالیا …………………………

80

جدول 5-11 مقایسه‌ی الگوریتم پیشنهادی با سایر الگوریتم‌های پیشنهادی ……………………………………….

82

جدول 5-12 مقایسه‌ی الگوریتم پیشنهادی با الگوریتم‌های WEKA در مجموعه‌ی داده‌ای آلمان ……..

83

جدول 5-13 مقایسه‌ی الگوریتم پیشنهادی با الگوریتم‌های WEKA در مجموعه‌ی داده‌ای استرالیا …..

84

 

 

لیست تصاویر

 

شکل 1-1 قالب کلی یک قانون به صورت اگر-آنگاه ………………………………………………………………………………………

3

شکل 1-2 قالب کلی یک قانون فازی به صورت اگر-آنگاه ……………………………………………………………………………..

4

شکل 1-3 نمای کلی یک دسته‌بند مبتنی بر قانون فازی برای اعتبارسنجی  ………………………………………………

5

شکل 2-1 نحوه‌ی کار یک دسته‌بند ……………………………………………………………………………………………………………….

10

شکل 2-2 سیستم ایمنی بدن انسان ………………………………………………………………………………………………………………

12

شکل 2-3 ساختار پروتئینی آنتی‌بادی ……………………………………………………………………………………………………………

13

شکل 2-4 نمایی از ایمنی اکتسابی در حمله به عوامل خارجی (برگرفته از [40]) ………………………………………

14

شکل 2-5 پایه‌های یک سیستم ایمنی مصنوعی [41] ………………………………………………………………………………….

16

شکل 2-6 تابع مثلثی: نمونه‌ای از یک تابع عضویت ………………………………………………………………………………………

19

شکل 3-1 کارایی روش‌های DA روی مجموعه‌ی اعتباری استرالیا (برگرفته از [42]) …………………………………………………

25

شکل 3-2 کارایی روش SVM ارائه شده در [43] …………………………………………………………………………………………………

26

شکل 3-3 نقش انتخاب ویژگی در روش SVM [44] …………………………………………………………………………………

27

شکل 3-4 مدل‌های شبکه‌ی عصبی در [45] …………………………………………………………………………………………………

31

شکل 3-5 کارایی روش‌های پیشنهادی Hoffmann برگرفته از [46] ……………………………………………………….

33

شکل 3-6 کارایی روش‌های پیشنهادی Nanni برگرفته از [47] ………………………………………………………………..

35

شکل 3-7 کارایی روش‌های ensemble روی مجموعه‌ی اعتباری استرالیا (برگرفته از [48]) ………………….

36

شکل 3-8 کارایی روش‌های مختلف ensemble و دسته‌بندی (برگرفته از [49]) …………………………………….

37

شکل 4-1 نمای کلی از سیستم فازی ارائه شده در پژوهش حاضر ……………………………………………………………….

39

شکل 4-2 نمای کلی الگوریتم FAIS در یادگیری کلاس h ……………………………………………………………………….

42

شکل 4-3 تبدیل یک نمونه به قانون فازی ……………………………………………………………………………………………………

43

شکل 4-4 نمودار توابع پیشنهادی برای تنزل حافظه (با فرض iterationmax=50) ………………………………….

53

شکل 4-5 شمای کلی یک سیستم ایمنی چند مرحله‌ای …………………………………………………………………………….

55

شکل 4-6 نمونه‌ای از توابع عضویت برای استفاده در MSAIS …………………………………………………………………..

57

شکل 5-1 اثر توابع انتخاب در کارایی و میانگین طول قانون ………………………………………………………………………..

65

شکل 5-2 اثر مقادیر مختلف وزن‌های تابع αaffinity در کارایی و میانگین طول قانون ……………………………

66

شکل 5-3 اثر مقادیر مختلف وزن‌های تابع affinityϒ در کارایی و میانگین طول قانون …………………………….

69

شکل 5-4 سنجش توابع پیوند affinityα، affinityβ و affinityϒ …………………………………………………………..

70

شکل 5-5 سنجش معیارهای کارایی و خطاهای دسته‌بندی با مقادیر مختلف Q ………………………………………..

71

شکل 5-6 سنجش معیارهای کارایی و میانگین طول قانون با مقادیر مختلف PDC …………………………………….

73

شکل 5-7 سنجش کارایی و میانگین طول قانون به ازای مقادیر مختلف احتمال استفاده از حافظه (PM) …

74

شکل 5-8 مقایسه‌ی توابع ثابت، خطی و نمایی در تنزل حافظه (ρ) …………………………………………………………….

75

شکل 5-9 مقایسه‌ی الگوریتم‌های MSAIS و FHAIS با الگوریتم FAIS …………………………………………….

77

شکل 5-10 مقایسه‌ی روش‌های بکار رفته در مفسر فازی هنگام مرحله‌ی آزمایش …………………………………….

78

شکل 5-11 سنجش پارامتر Smin با استفاده از الگوریتم طولانی‌ترین زیررشته ……………………………………………

79

 

 

 

 

فهرست اختصارات

…………………………………………………………. Artificial Immune System

AIS

……………………………………………………………………… Average Rule Length

ARL

……………………………………………………………………..…..…………. Don’t Care

DC

……………………………………………………. Fuzzy Artificial Immune System

FAIS

………………………………………………………………….…………. Fuzzy Hedge AIS

FHAIS

…………………………………………………………… Improvement Chain Length

ICL

…………………………………………………………… Last Improvement Distance

LID

……………………………………………………………………… Memoized Fuzzy AIS

MFAIS

…………………………………………………………… Membership Selection AIS

MSAIS

…………..……………………………………..…… Number of Classified Patterns

NCP

……………………………………………….…. Number of Misclassified Patterns

NMP

……………………………………………………..… Q-Layered Memory-Fuzzy AIS

QLM-FAIS

…………………………………………………………………………………………. Rule Set

RS

…………………………………………………………………………….. Roulette-Wheel

RW

……………………………………………………………… Simple Memory-Fuzzy AIS

SM-FAIS

قبلا حساب کاربری ایجاد کرده اید؟
گذرواژه خود را فراموش کرده اید؟
Loading...
enemad-logo