مهدی بابایی - دانشجوی کارشناسی ارشد، موسسه آموزش عالی غیرانتفاعی مقدس اردبیلی، اردبیل، ایران
سجاد جهانبخش - گروه مهندسی کامپیوتر، واحد گرمی، دانشگاه آزاد اسلامی، گرمی، ایران
مسعود بکروی - گروه مهندسی کامپیوتر، واحد اردبیل، دانشگاه آزاد اسلامی، اردبیل، ایران

امروزه داده ها قلب تپنده و اساسی ترین جزء فرآیند تجاری اغلب شرکت ها حساب می شوند، داده ها در تمامی صنایع نظیرارتباطات، تولید، بیمه، کارت اعتباری و بانکداری از طریق تعاملات در سیستم های عملیاتی به وجود می آیند. با توجه به حجمبالای داده های ذخیره شده در این سیستم ها، به ابزار و روش هایی نیاز است تا بتوان این داده ها را پردازش کرد و اطلاعاتحاصل از آن را در اختیار کاربران قرار داد. استفاده گسترده از سامانه های پیشرفته و مدرن بانکی و همچنین افزایش تعدادتراکنش ها به سوء استفاده های مالی و تقلب در این تراکنش ها، بیش از پیش دامن زده است. ما در این مقاله با استفاده ازتکنیک کاهش بعد LDA ، ابعاد و ویژگی های داده های مورد استفاده را کاهش می دهیم و با استفاده از طبقه بند ترکیبیبوستینگ و الگوریتم های نیوبیز، k- نزدیکتریین همسایه و درخت تصمیم به شناسایی و کشف داده های تقلبی اقدام می کنیم. روش پیشنهادی نسبت به الگوریتم های پایه از لحاظ پارامترهای ارزیابی مانند صحت، بازخوانی و معیار F از کارایی بهتریبرخوردار است که از لحاظ صحت نسبت به روش های پایه بین 4 الی 9 درصد افزایش دقت نشان می دهد.

کشف تقلب، کارت اعتباری، کاهش بعد، طبقه بند ترکیبی