出版社：University of Tehran Electronic Journals Database
摘要：پیشبینی درماندگی مالی از مسائل مهمی است که همواره پژوهشگران، مؤسسههای اعتباری و بانکها به آن توجه کردهاند. تاکنون تحقیقات بسیاری در این زمینه صورت گرفته است، ولی استفاده از مدلهای ترکیبشدۀ انتخاب ویژگی و مدل طبقهبندیکننده، از مسائلی است که فقط در سالهای اخیر توجه پژوهشگران را به خود جلب کرده است. در این مقاله ماشین بردار پشتیبان با چهار تابع کرنل خطی، چندجملهای، شعاعی و سیگمویید بهعنوال مدل طبقهبندیکننده و ترکیب آن با روشهای انتخاب ویژگی فیلترکننده و پوششدهنده استفاده شده است. همچنین از الگوریتم ژنتیک که یکی از انواع روشهای پوششدهندۀ انتخاب ویژگی است و روشهای آنالیز اجزای اساسی، زنجیرۀ اطلاعات و رلیف که جزء روشهای فیلترکنندۀ انتخاب ویژگی هستند، استفاده شده است. نتایج بهدست آمده نشان داد که روش الگوریتم ژنتیک نسبت به روشهای فیلترکننده، عملکرد بهتری دارد. همچنین دقت ماشین بردار پشتیبان با توابع کرنل خطی، چندجملهای، شعاعی و سیگمویید در ترکیب با الگوریتم ژنتیک، با سطح اطمینان 95 درصد تفاوت معناداری با هم ندارند.
