مهدی شاکری بهبهانی - دانش آموخته کارشناسی ارشد، گروه مدیریت فناوری اطلاعات ، دانشکده مدیریت ، دانشگاه آزاد اسلامی، واحد الکترونیک، ایران
مهدی صادق زاده - استادیار، گروه هوش مصنوعی ، دانشکده فنی و مهندسی کامپیوتر ، دانشگاه آزاد اسلامی، واحد واحد ماهشهر، ایران

در این پژوهش، برای جلوگیری و کشف پولشویی ابتدا روش های مختلف انتخاب ویژگی مورد بررسی قرار گرفته و پس از آن روش جدیدی برای انتخاب ویژگی های موثر در کشف پولشویی با استفاده از الگوریتم آتوماتای یادگیر سلولی در سه مرحله استفاده شده است. در مرحله اول استخراج الگو با استفاده از جفت ویژگی ها به روش گراف کامل انجام می شود، در مرحله دوم الگوهای استخراج شده با آتوماتای یادگیر سلولی بر اساس نرخ تاثیر ویژگی ها آموزش و طبقه بندی می شوند و در مرحله سوم انتخاب ویژگی بهینه بر اساس نرخ تاثیر ویژگی ها انجام می شود، انتخاب ویژگی های موثر با روش پیشنهادی سبب افزایش دقت در طبقه بندی داده ها جهت کشف پولشویی می شود.برای مقایسه و ارزیابی طرح پیشنهادی از مجموعه داده های بانک ملی ایران که در نرم افزار مطلب پیاده سازی شده، با روش های دیگر مقایسه شده است، که میزان دقت دسته بندی روش پیشنهادی آتوماتای یادگیر سلولی(CLA) برای کشف پولشویی 94.19 درصد و زمان اجرای آن 263.32 ثانیه است که نسبت به روش های ذکر شده میزان دقت طبقه بندی بالاتری در کشف پولشویی دارد.

انتخاب ویژگی، آتوماتای یادگیر سلولی، ماشین یادگیرنده، کشف پولشویی