ارائه روشي براي شناسايي و كشف تقلب در كارت هاي اعتباري با استفاده از الگوريتم تركيبي شبكه عصبي و رقابت استعماري

Providing a new approach to identify and detect Credit Card Fraud using ANN – ICA

مقاله حاضر بـا مدل سـازي رياضـي، فرآينـد اجتمـاعي-سياسـي الگوريتم رقابت استعماري را در جهت ارائه يك الگوريتم قوي و كارا در حوزه بهينـه­ سـازي تشخيص به­ كارگرفته است. دراين الگو از الگوريتم بهينه­ سازي براي يـادگيري يك ساختار شبكه عصبي استفاده ­شده ­است. شبكه عصبي مورد­استفاده در حل مسئله طبقه­ بندي ديتاهاي بانكي به­ كار رفته ­است و اعمـال الگوريتم رقابت استعماري به مسئله يادگيري شـبكه عصـبي طبقـه­ بندي­كننده نيز روش مطرح شده در كار است. ساختار تركيبي و پلكاني مدل- مبتني­ بر الگوي هوشمند­­سازي – بر­ اساس ساختار ارتقا­ي سيستم پيشنهادي عمل­ مي­ كند . در اين پژوهش تشخيص تقلب در كارت‌هاي اعتباري با هدف شناسايي نرخ تقلب، بالا بردن دقت و اعمال كمترين نرخ خطاي سيستم با استفاده شبكه‌هاي عصبي و تركيب آن با الگوريتم رقابت استعماري همراه بوده ­است؛ همچنين استخراج ويژگي‌هاي مؤثر در ارزيابي تشخيص تقلب از ديگر اهداف اين تحقيق مي‌باشد.

The proposed algorithm mentioned in the present article uses a mathematical modeling of the socio-political process of the colonial competition algorithm to provide a strong and efficient algorithm in the field of diagnostic optimization. In this model, the optimization algorithm is used to learn a neural network structure. The neural network has been used to solve the problem of classifying bank data. The results of applying the colonial competition algorithm to the learning problem of a neural network data classification. In this paper the aim is credit card fraud detection in order to achieving high detection rate and accuracy and the lowest system error rate using neural networks and its combination with colonial competition algorithm. Extracting effective features to evaluate fraud detection is another goal of this research