محسن رزاقی - دانشگاه آزاد اسلامی واحد مشهد گروه هوش مصنوعی
مهدی یعقوبی - استادیار دانشگاه آزاد اسلامی واحد مشهد گروه برق

در تصمیمات مالی گروه هایی از پیش تعریف شده وجود دارند که مجموعه ای از مشاهدات توسط متخصصین امر به هریک از گرو هها منتسب می شوند اما هم اکنون باتوجه به پیشرفت سیستمهای هوشمند و وجود الگوریتم های مختلف برای انتساب هریک از مشاهدات به این گروه ها میتوان از مدلهای دسته بنید مختلفی استفاده نمود که هرچقدر این مدلها دقیق تر باشند پیش بینی در نتیجه تصمیم گیری مالی به واقعیت نزدیکتر خواهد بود گام اول جهت افزایش دقت دسته بندی مالی انتخاب مناسب متغیرهای مستقل انتخاب ویژگی feature selection می باشد دراین مقاله سعی نمودن بجای استفادها ز نظر کارشناس امر جهت انتخاب ویژگی از الگوریتم خودکار PSO(Particle swarm optimization و ترکیب آن با WK-NN Ascending نزدیکترین همسایه وزندار شده صعودی جهت انتساب مشاهدات هریک ازدسته ها استفاده شود.

بهینه سازی حرکت دسته جمعی ذرات، انتخاب ویژگی، دسته بندی نزدیک ترین همسایه، ارزیابی ریسک اعتبار ، ممیزی