سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات161
تعداد شماره‌ها6,532
تعداد مقالات70,500
تعداد مشاهده مقاله124,083,872
تعداد دریافت فایل اصل مقاله97,188,413
Taghavifard, MohammadTaghi, Hosseini, Fariba, Khanbabaei, Mohammad. (1393). Hybrid credit scoring model using genetic algorithms and fuzzy expert systems Case study: Ghavvamin financial and credit institution. , 6(1), 31-46. doi: 10.22059/jitm.2014.50049
MohammadTaghi Taghavifard; Fariba Hosseini; Mohammad Khanbabaei. "Hybrid credit scoring model using genetic algorithms and fuzzy expert systems Case study: Ghavvamin financial and credit institution". , 6, 1, 1393, 31-46. doi: 10.22059/jitm.2014.50049
Taghavifard, MohammadTaghi, Hosseini, Fariba, Khanbabaei, Mohammad. (1393). 'Hybrid credit scoring model using genetic algorithms and fuzzy expert systems Case study: Ghavvamin financial and credit institution', , 6(1), pp. 31-46. doi: 10.22059/jitm.2014.50049
Taghavifard, MohammadTaghi, Hosseini, Fariba, Khanbabaei, Mohammad. Hybrid credit scoring model using genetic algorithms and fuzzy expert systems Case study: Ghavvamin financial and credit institution. , 1393; 6(1): 31-46. doi: 10.22059/jitm.2014.50049

Hybrid credit scoring model using genetic algorithms and fuzzy expert systems Case study: Ghavvamin financial and credit institution

Journal of Information Technology Management
مقاله 2، دوره 6، شماره 1، تیر 2014، صفحه 31-46    اصل مقاله (401.67 K)
نوع مقاله: Research Paper
شناسه دیجیتال (DOI): 10.22059/jitm.2014.50049
نویسندگان
MohammadTaghi Taghavifard1؛ Fariba Hosseini* 2؛ Mohammad Khanbabaei3
1Assistant Prof. Management and Accounting College, Allameh Tabatabaei University, Tehran, Iran.
2MSc. Information Technology Management, Allameh Tabatabaei University, Tehran, Iran
3Young Researchers and Elites Club, Science and Research Branch, Islamic Azad University, Tehran, Iran.
چکیده
expert systems can help to build banks customers' credit scoring models. Here, selection of key features of the credit scoring is important. Also, it is possible to express the features values as fuzzy. The problem is how to improve features selection by genetic algorithm, in way that these features can be employed as input in fuzzy expert system. This paper presents a hybrid credit scoring model with combination of features selection based on genetic algorithm and fuzzy expert system. The research conducted at the entry, in terms of result and objective is applied and descriptive research as case study, respectively. Ghavvamin financial and credit institution credit scoring date set is used to train and test the model. After data preprocessing, features selection is carried out using genetic algorithm. The range of selected features is determined by interview with an expert and via fuzzy logic and then credit scoring fuzzy rules can be generated. WEKA tool and fuzzy inference system (FIS) in MATLAB are used for data analysis. Results demonestare classification accouracy of the proposed model is more than the other compared methods in this paper. Fuzzy rules created by this model can be used for credit scoring of bank customers.
کلیدواژه‌ها
Expert system؛ Credit scoring؛ Genetic Algorithm؛ Fuzzy logic
عنوان مقاله [English]
مدل رتبه‎بندی اعتباری هیبریدی با استفاده از الگوریتم‌های ژنتیک و سیستم‌های خبرۀ فازی (مطالعۀ موردی: مؤسسۀ مالی و اعتباری قوامین)
نویسندگان [English]
محمد تقی تقوی فرد1؛ فریبا سادات حسینی2؛ محمد خان بابایی3
1استادیار، گروه مهندسی صنایع، دانشکدۀ مدیریت و حسابداری، دانشگاه علامه طباطبایی، تهران، ایران
2کارشناس ارشد مدیریت فناوری اطلاعات، دانشگاه علامه طباطبایی، تهران، ایران
3دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، گروه مدیریت فناوری اطلاعات، تهران، ایران
چکیده [English]
سیستم‌های خبره می‌توانند به ساخت مدل‌های رتبه‌بندی اعتباری مشتریان بانک‌ها کمک کنند. در اینجا، انتخاب ویژگی‌های مهم در رتبه‌بندی اعتباری اهمیت دارد. همچنین ممکن است مقادیر ویژگی‌ها، به‎صورت فازی بیان شوند. مسئله این است، چگونه می‌توان به‎کمک الگوریتم ژنتیک، انتخاب ویژگی‌ها را بهبود بخشید؛ به‎گونه‌ای که این ویژگی‌ها به‎منزلۀ ورودی در سیستم خبرۀ فازی مورد استفاده قرار گیرند. این نوشتار به ارائۀ مدل رتبه‌بندی اعتباری هیبریدی با ترکیب انتخاب ویژگی‌ها، مبتنی بر الگوریتم ژنتیک و سیستم خبرۀ فازی می‌پردازد. پژوهشی که در این مورد انجام‎ گرفت، از نظر نتایج، کاربردی و از نظر هدف، توصیفی از نوع مطالعۀ موردی است. برای آموزش و آزمون مدل، از مجموعه داده‌های رتبه‌بندی اعتباری مؤسسۀ مالی و اعتباری قوامین استفاده شده است. پس از پیش‌پردازش داده‌ها، به‎کمک الگوریتم ژنتیک ویژگی‎ها انتخاب شدند و از طریق مصاحبه با فردی خبره و به‎کارگیری منطق فازی، دامنۀ تغییرات ویژگی‌های منتخب تعیین‎شده و سپس قوانین فازی رتبه‌بندی اعتباری ایجاد شدند. برای تحلیل داده‌ها از ابزار وکا و ماژول سیستم استنتاج فازی در نرم‎افزار متلب استفاده شده است. نتایج نشان می‌دهد، دقت طبقه‌بندی مدل پیشنهادی نسبت به سایر روش‌های مقایسه‎شده در این مقاله بیشتر است. قوانین فازی ایجادشدۀ این مدل را می‎توان برای رتبه‌بندی اعتباری مشتریان بانکی به‎کار برد.
 
کلیدواژه‌ها [English]
الگوریتم ژنتیک, رتبه‌بندی اعتباری, سیستم خبره, منطق فازی
آمار
تعداد مشاهده مقاله: 4,716
تعداد دریافت فایل اصل مقاله: 2,401


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب