XÂY DỰNG PHƯƠNG PHÁP PHÂN TÍCH RỦI RO BẰNG TÍCH HỢP LOGIC MỜ VÀ THUẬT TOÁN GOM CỤM MỜ CẢI TIẾN FCM-R
Abstract
Hiện nay phân tích rủi ro là vấn đề thu hút sự quan tâm đặc biệt của các doanh nghiệp. Bài báo này giới thiệu việc đề xuất tích hợp logic mờ và thuật toán gom cụm mờ cải tiến FCM-R để xây dựng một phương pháp lai phân tích rủi ro. Phương pháp lai này có hai bước. Trong bước 1, đầu tiên logic mờ được sử dụng để xác định mức độ rủi ro của các đối tượng. Tiếp theo các đối tượng có mức độ rủi ro lớn hơn hay bằng một ngưỡng cho trước là được chọn để phân tích trong bước tiếp theo. Trong bước 2, thuật toán gom cụm mờ cải tiến FCM-R được áp dụng đối với các đối tượng được chọn từ bước 1 để tạo số cụm thích hợp mà các cụm này đã được xếp hạng theo độ đo mức độ rủi ro của chúng. Trong bài báo này để minh họa, chúng tôi chọn các đối tượng để phân tích rủi ro là các khách hàng trong doanh nghiệp. Phương pháp đề xuất đã được thực nghiệm với tập dữ liệu thật để phát sinh các cụm khách hàng được xếp hạng theo độ đo mức độ rủi ro từ cao đến thấp. Kết quả này được sử dụng để dự báo rủi ro khách hàng và giúp đề ra các chính sách quản lý rủi ro nhằm tránh những tổn thất cho doanh nghiệp.References
[1] Desheng Dash Wu & David L. Olson.: Introduction to the Special Section on “Optimizing Risk Management: Methods and Tools”, Human and Ecological Risk Assessment: An International Journal, 15:2, 220-226. 2009.
[2] László Pokorádi.: Fuzzy logic-based risk assessment, AARMS, Volume 1, Issue 1 (2002) 63–73.
[3] Manisha Ingle, Mohommad Atique, S. O. Dahad.: Risk Analysis Using Fuzzy Logic, International Journal of Advanced Engineering Technology E-ISSN 0976-3945. IJAET/Vol.II/ Issue III//96-99, July-September, 2011.
[4] E.W.T. Ngai, F.K.T. Wat.: Fuzzy decision support system for risk analysis in e-commerce development. Decision Support Systems 40 (2005) 235–255.
[5] Payam Hanafizadeh, Neda Rastkhiz Paydar.: A Data Mining Model for Risk Assessment and Customer Segmentation in the Insurance Industry. International Journal of Strategic Decision Sciences, 4(1), 52-78 (2013)
[6] Mohammad Ali Farajian, Shahriar Mohammadi.: Mining the Banking Customer Behavior Using Clustering and Association Rules Methods. International Journal of Industrial Engineering & Production Research, December 2010, Volume 21, Number 4 pp. 239-245 (2010)
[7] Sankar Rajagopal. Customer Data Clustering Using Data Mining Technique. International Journal of Database Management Systems ( IJDMS ) Vol.3, No.4, November 2011. DOI: 10.5121/ijdms.2011.3401.
[8] Zadeh, L. A., “Fuzzy logic and approximate reasoning,” Synthese, vol. 30, pp. 407-428, 1975.
[9] Zadeh, L. A., “Commonsense knowledge representation based on fuzzy logic,” IEEE Computer, vol. 16, issue 10, pp. 61–65, 1983.
[10] Zadeh, L. A., “The role of fuzzy logic in the management of uncertainty in expert systems,” Fuzzy Sets and Systems, vol. 11, pp. 199–227, 1983
[11] Zadeh, L. A., “Fuzzy sets,” Information and Control, vol. 8, pp. 338–353, 1965.
[12] Huan Doan, Dinh Thuan Nguyen, Bao Quoc Ho. Building a Measure to Integrate Into a Hybrid Data Mining Method to Analyze the Risk of Customer. 2015 2nd International Conference on Communication and Computer Engineering-ICOCOE 2015. Phu ket, Thailand. 9-11 June 2015. Hội thảo thuộc: A Springer LNEE Series.
[13] James, C. Bezdek., Robert, Ehrlich. and William, Full.: FCM: The Fuzzy C-Means Clustering Algorithm. Computers & Geosciences Vol. 10, No. 2-3, pp. 191-203 (1984)
[14] Richard, J. Hathaway. and James. C. Bezdek.: Recent Convergence Results for the Fuzzy c-Means Clustering Algorithms. Joumal of Classificanon 5:237-247 (1988)
[15] J.C. Bezdek.: Pattern Recognition in Handbook of Fuzzy Computation. IOP Publishing Ltd., Boston, Ny, (Chapter F6) (1998)
[16] Huan Doan, Dinh Thuan Nguyen. Building a Hybrid Method for Analyzing the Risk by Integrating the Fuzzy Logic and the Improved Fuzzy Clustering Algorithm FCM-R. 7th International Conference on Information Science and Applications, 2016. A Springer LNEE Series. Accepted.
[2] László Pokorádi.: Fuzzy logic-based risk assessment, AARMS, Volume 1, Issue 1 (2002) 63–73.
[3] Manisha Ingle, Mohommad Atique, S. O. Dahad.: Risk Analysis Using Fuzzy Logic, International Journal of Advanced Engineering Technology E-ISSN 0976-3945. IJAET/Vol.II/ Issue III//96-99, July-September, 2011.
[4] E.W.T. Ngai, F.K.T. Wat.: Fuzzy decision support system for risk analysis in e-commerce development. Decision Support Systems 40 (2005) 235–255.
[5] Payam Hanafizadeh, Neda Rastkhiz Paydar.: A Data Mining Model for Risk Assessment and Customer Segmentation in the Insurance Industry. International Journal of Strategic Decision Sciences, 4(1), 52-78 (2013)
[6] Mohammad Ali Farajian, Shahriar Mohammadi.: Mining the Banking Customer Behavior Using Clustering and Association Rules Methods. International Journal of Industrial Engineering & Production Research, December 2010, Volume 21, Number 4 pp. 239-245 (2010)
[7] Sankar Rajagopal. Customer Data Clustering Using Data Mining Technique. International Journal of Database Management Systems ( IJDMS ) Vol.3, No.4, November 2011. DOI: 10.5121/ijdms.2011.3401.
[8] Zadeh, L. A., “Fuzzy logic and approximate reasoning,” Synthese, vol. 30, pp. 407-428, 1975.
[9] Zadeh, L. A., “Commonsense knowledge representation based on fuzzy logic,” IEEE Computer, vol. 16, issue 10, pp. 61–65, 1983.
[10] Zadeh, L. A., “The role of fuzzy logic in the management of uncertainty in expert systems,” Fuzzy Sets and Systems, vol. 11, pp. 199–227, 1983
[11] Zadeh, L. A., “Fuzzy sets,” Information and Control, vol. 8, pp. 338–353, 1965.
[12] Huan Doan, Dinh Thuan Nguyen, Bao Quoc Ho. Building a Measure to Integrate Into a Hybrid Data Mining Method to Analyze the Risk of Customer. 2015 2nd International Conference on Communication and Computer Engineering-ICOCOE 2015. Phu ket, Thailand. 9-11 June 2015. Hội thảo thuộc: A Springer LNEE Series.
[13] James, C. Bezdek., Robert, Ehrlich. and William, Full.: FCM: The Fuzzy C-Means Clustering Algorithm. Computers & Geosciences Vol. 10, No. 2-3, pp. 191-203 (1984)
[14] Richard, J. Hathaway. and James. C. Bezdek.: Recent Convergence Results for the Fuzzy c-Means Clustering Algorithms. Joumal of Classificanon 5:237-247 (1988)
[15] J.C. Bezdek.: Pattern Recognition in Handbook of Fuzzy Computation. IOP Publishing Ltd., Boston, Ny, (Chapter F6) (1998)
[16] Huan Doan, Dinh Thuan Nguyen. Building a Hybrid Method for Analyzing the Risk by Integrating the Fuzzy Logic and the Improved Fuzzy Clustering Algorithm FCM-R. 7th International Conference on Information Science and Applications, 2016. A Springer LNEE Series. Accepted.
Published
2015-12-18
How to Cite
HUẤN, Đoàn; THUÂN, Nguyễn Đình.
XÂY DỰNG PHƯƠNG PHÁP PHÂN TÍCH RỦI RO BẰNG TÍCH HỢP LOGIC MỜ VÀ THUẬT TOÁN GOM CỤM MỜ CẢI TIẾN FCM-R.
JBIS, [S.l.], dec. 2015.
Available at: <https://jbis.ueh.edu.vn/index.php/TSTHQL/article/view/75>. Date accessed: 19 may 2024.
Issue
Section
Bài viết
Keywords
Logic mờ; thuật toán gom cụm mờ; phân tích rủi ro; khai thác dữ liệu
