جستجوی مقالات مرتبط با کلیدواژه « haming » در نشریات گروه « مدیریت »

تکرار جستجوی کلیدواژه «haming» در نشریات گروه «علوم انسانی»

انتخاب همه

خوشه بندی مشتریان بانک با استفاده از شبکه های عصبی رقابتی

علی مروتی شریف آبادی

فصلنامه مدیریت بازرگانی، سال ششم شماره 19 (بهار 1393)، صص 187 -206

بخش بندی مشتریان، فرصتی برای توجه به نیازهایی است که در پرتو بازاریابی انبوه مجالی برای ابرازشان نبوده است. هدف اولیه ی بخش بندی یافتن و حفظ مشتریانی است که قصد ارائه ی خدمت به آن ها را داریم. در این پژوهش خوشه بندی مشتریان بانک با استفاده از شبکه های عصبی مصنوعی رقابتی و روش های آماری سنتی با یکدیگر مقایسه شده اند. برای خوشه بندی مشتریان، 7 مشخصه ی کلیدی 600 مشتری از مشتریان یک بانک استخراج شده است. با استفاده از یک شبکه ی عصبی رقابتی و همچنین روش آماری وارد خوشه بندی مشتریان انجام گرفته و نتایج حاصل با استفاده از روش تحلیل تمایزات و شاخص های MAPE و RMSE با یکدیگر مقایسه شده است. مقایسه ی خوشه بندی های انجام شده، برتری قابل توجه شبکه ی عصبی رقابتی بر روش آماری وارد را نشان می دهد. خوشه بندی با استفاده از شبکه های عصبی رقابتی نقطه ی قوت و نوآوری این مقاله است. به خصوص که رفع نرون مرده در شبکه های عصبی رقابتی مورد تاکید قرار گرفته است. این مهم با استفاده از ترم بایاس در شبکه ی عصبی رقابتی، قابل دستیابی است که در این مقاله بر آن تاکید شده است.

کلید واژگان: خوشه بندی مشتریان, شبکه ی همینگ, نرون مرده, روش وارد, تحلیل تمایزات}

چکیده مشاهده متن زبان: فارسی

Clustering Bank's Customers Using Artificial Neural Networks

Ali Morovati Sharifabadi

Quarterly Journal of Business Management, Volume:6 Issue: 19, 2014, PP 187 -206

Customer''s Clustering is an instrument for considering the needs which were not allowed to be expressed due to mass marketing. The primary goal of market segmentation is to find and retain those customers we want to serve. In this paper، we present the experimental results of clustering bank''s customers using artificial neural networks (ANN) compared with traditional statistical methods. To cluster the customers، 7 key distinctive characteristics of 600 customers of a bank were extracted. Customers’ clustering was performed using ANN and a powerful statistical
Method
Ward Method. The results were compared using discriminant analysis، MAPE and RMSE. The comparisions indicate the superiority of ANN output over WARD. Clustering by ANN indicates the strength and innovation of this study. Furthermore، focusing on importance of solving the death neuron problem in artificial neural networks by BIAS term is a contribution of this paper.

Keywords: Customer's Clustering, Dead unit, Discriminant Analysis, Haming, Ward Method}

Abstract View Paper Original: Persian

نکته

نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.

به جمع مشترکان مگیران بپیوندید!

جستجوی مقالات مرتبط با کلیدواژه « haming » در نشریات گروه « مدیریت »