پروژه آموزشی تشخیص تقلب با استفاده از ماشین بردار پشتیبان و تئوری مجموعه راف با متلب

توضیحات

تشخیص تقلب با استفاده از ماشین بردار پشتیبان و تئوری مجموعه راف با متلب

متغیرهای انتخاب شده در فرآیند تشخیص تقلب

CARD_NUMBER شماره کارت مبدأ

کد پردازش

مقدار تراکنش TRANSACTION_AMOUNT

CARD_ACCEPTOR_ACTIVITY
شناسه پذیرنده کارت
TRX_TIME زمان تراکنش
TRX_DATE
تاریخ تراکنش
CARD_MAGSAD شماره کارت مقصد
PAZIRANDEH
کد پذیرنده
POS_DATA اطلاعات پیگیری درگاه

بررسیهای تقلب و کلاهبرداری، پیچیده، زمانبر و مستلزم دخالت عمده دانش مالی، اقتصادی، کاربردهای بازرگانی، تحلیل بازار، شرایط بازار، مهارتهای تحقیقی و حقوقی است. یک بررسی جامع و فرآیند جستجوی بازرگانی برای مدیریت تقلب )اغلب در شکلی از یک مرکز کنترل تقلب در درون سازمان( اغلب شماری از گامها، فعالیتها و موارد قابل تحویل را در برمیگیرد] 53 .] در دهه اخیر چند موضوع مهم و بحرانی ایجاد سیستمهای مدیریت تقلب را تبدیل به کاری دشوار و چالشبرانگیز کرده است، به طور مثال حجم بسیار زیاد دادهها با ساختار پیچیده، تغییر رفتار کاربران، فعالیتهای بازرگانی، کلاهبرداران، تکامل تدریجی تقلبهای جدیدتر به ویژه انشعاب روشهای ایجاد ردیابی، نیاز به کشف سریع و دقیق فریب بدون مداخله بیجا در عملیات تجاری و بازرگانی، هشدارهای خطر یا خطا و موضوعات اجتماعی نظیر استقلال و تبعیض همچنین برای واحد کنترل و بررسی تقلب )که به عنوان واحد چالاك و نظارتی در صنعت بانکداری شناخته میشود(، به دلیل منابع و متخصصان محدود و به دلیل تغییر در روشها و فناوریها، بررسی و کنترل تمام این موارد دشوار است. دلیل، همانگونه که قبلاً بحث شد این است که، دادهها در حجمی عظیم و غیرمتمرکز در یک مکان، هستند.

سیستمهای تجاری خودکار برتر مقدار وسیعی از دادهها را با توجه تقریبی به همه انواع معاملات تجاری و فعالیتهای مربوط به آن گردآوری میکنند. با ورود سیستمهای حافظه متحد و ذخیرهسازی دادهها، ما میتوانیم اکنون هم به دادههای جاری و هم دادههای تاریخی دسترسی پیدا کنیم. به بیان واضح، مدرك تقلب و فعالیتهای کلاهبرداری به طور مجزا در این کمیت عظیم دادهها پنهان است. روشهای داده کاوی میتواند به واحدهای بازرگانی کمک کند که به طور مؤثر مدیریت تقلب را برای جلوگیری از زیانها و آوردن مجرم به عدالت و میز محاکمه انجام دهد. در ادامه به نحوه استفاده از دادهها با استفاده از روش پیشنهادی میپردازیم.

تشخیص تقلب با استفاده از ماشین بردار پشتیبان و تئوری مجموعه راف با متلب  توسط کارشناسان گروه ۱.۲.۳ پروژه پیاده سازی گردیده و به تعداد محدودی قابل فروش می باشد.فایلهای پروژه به صورت کامل پس از خرید فایل بلافاصله در اختیار شما قرار خواهد گرفت.