نوع مقاله : مقاله پژوهشی

نویسنده

دانشگاه اصفهان- دانشکده فنی و مهندسی- گروه کامپیوتر- اصفهان- ایران

چکیده

مقاله حاضر بـا مدل سـازی ریاضـی، فرآینـد اجتمـاعی-سیاسـی الگوریتم رقابت استعماری را در جهت ارائه یک الگوریتم قوی و کارا در حوزه بهینـه­ سـازی تشخیص به­ کارگرفته است. دراین الگو از الگوریتم بهینه­ سازی برای یـادگیری یک ساختار شبکه عصبی استفاده ­شده ­است. شبکه عصبی مورد­استفاده در حل مسئله طبقه­ بندی دیتاهای بانکی به­ کار رفته ­است و اعمـال الگوریتم رقابت استعماری به مسئله یادگیری شـبکه عصـبی طبقـه­ بندی­کننده نیز روش مطرح شده در کار است. ساختار ترکیبی و پلکانی مدل- مبتنی­ بر الگوی هوشمند­­سازی – بر­ اساس ساختار ارتقا­ی سیستم پیشنهادی عمل­ می­ کند . در این پژوهش تشخیص تقلب در کارت‌های اعتباری با هدف شناسایی نرخ تقلب،  بالا بردن دقت و اعمال کمترین نرخ خطای سیستم با استفاده شبکه‌های عصبی و ترکیب آن با الگوریتم رقابت استعماری همراه بوده ­است؛ همچنین استخراج ویژگی‌های مؤثر در ارزیابی تشخیص تقلب از دیگر اهداف این تحقیق می‌باشد.

کلیدواژه‌ها

  •  

    • Mittal, S., & Tyagi, S. (2020). Computational Techniques for Real-Time Credit Card Fraud Detection. In Handbook of Computer Networks and Cyber Security (pp. 653-681). Springer, Cham.
    • Adebola, A. B. (2019). Comparative Analysis of Back-propagation Neural Network and K-Means Clustering Algorithm in Fraud Detection in Online Credit Card Transactions. Fountain Journal of Natural and Applied Sciences, 8(1).
    • Singla, A., & Jangir, H. (2020, February). A Comparative Approach to Predictive Analytics with Machine Learning for Fraud Detection of Realtime Financial Data. In 2020 International Conference on Emerging Trends in Communication, Control and Computing (ICONC3) (pp. 1-4). IEEE.
    • Yousefi, N., Alaghband, M., & Garibay, I. (2019). A Comprehensive Survey on Machine Learning Techniques and User Authentication Approaches for Credit Card Fraud Detection. arXiv preprint arXiv:1912.02629.
    • Mishra, C., Gupta, D. L., & Singh, R. (2017). Credit Card Fraud Identification Using Artificial Neural Networks. International Journal of Computer Systems, 4(07).