지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술대회자료
- 저자정보
- 발행연도
- 2008.10
- 수록면
- 164 - 169 (6page)
이용수
초록· 키워드
오류제보하기
The increasing late-payment rate of credit card customers caused by a recent economic downturn are incurring not only reduced profit of department stores but also significant loss. Under this pressure, the objective of credit forecasting is extended from presumption of good or bad customers to contribution to revenue growth.
As a method of managing defaults of department store credit card, this study classifies credit delinquents into some clusters, analyzes repaying patterns of customers in each cluster, and develops credit forecasting system to manage delinquents of department store’s delinquents. The model presented by this study uses Kohonen network, a kind of artificial neural network of data mining techniques to cluster credit delinquents into groups. Logistic regression model is also used to predict repayment rate of customers of each cluster per period. The accuracy of presented system for the whole clusters is 92.3%.
As a method of managing defaults of department store credit card, this study classifies credit delinquents into some clusters, analyzes repaying patterns of customers in each cluster, and develops credit forecasting system to manage delinquents of department store’s delinquents. The model presented by this study uses Kohonen network, a kind of artificial neural network of data mining techniques to cluster credit delinquents into groups. Logistic regression model is also used to predict repayment rate of customers of each cluster per period. The accuracy of presented system for the whole clusters is 92.3%.
목차
Abstract
Introduction
Theoretical Studies
Making Clusters
Conclusion
Limitation and future Research
References
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Credit Management Method to Improve Credit Rating
한국컴퓨터정보학회 학술발표논문집
2013 .07
-
A Secure Credit Card Transaction Method Based on Kerberos
Journal of Computing Science and Engineering
2011 .03
-
Logistic regression 기반의 미세먼지 농도별 이진 분류 모델
한국정보통신학회 종합학술대회 논문집
2020 .07
-
신용카드 번호의 광학적 인식
반도체디스플레이기술학회지
2014 .01
-
Logistic Regression 방법을 이용한 천이 신호 식별 알고리즘 및 성능 분석
대한전기학회 학술대회 논문집
1995 .07
-
CO2 Credit is essential
한국자동차공학회 Workshop
2016 .09
-
AHP 모형을 활용한 소상공인 신용평가시스템 구축
정보시스템연구
2007 .01
-
Sparse Logistic Regression via First Order Methods
대한산업공학회 추계학술대회 논문집
2017 .11
-
신용카드 사용자의 생활양식에 따른 브랜드 지각, 품질 지각, 카드 선택의 관계구조
한국산학기술학회 논문지
2008 .10
-
신용카드 매출정보를 이용한 SVM 기반 소상공인 부실예측모형
산업공학 (IE interfaces)
2007 .12
-
Research on the E-Commerce Credit Scoring Model Using the Gaussian Density Function
JIPS(Journal of Information Processing Systems)
2015 .01
-
적응적인 Kohonen 학습 알고리듬의 제안 ( Adaptive Kohonen Algorithm )
대한전자공학회 학술대회
1993 .01
-
신용카드 결제 중계 서비스 VAN사의 시스템 장애처리
대한전기학회 학술대회 논문집
2006 .07
-
Random effects logistic regression model for anomaly detection
대한산업공학회 추계학술대회 논문집
2007 .11
-
신용카드 추천을 위한 다중 프로파일 기반 협업필터링
산업경영시스템학회지
2017 .01
-
Mining Association Rules of Credit Card Delinquency of Bank Customers in Large Databases
한국지능정보시스템학회 학술대회논문집
2003 .11
-
Kohonen 학습의 입력에 잡음 주입의 효과
대한전자공학회 학술대회
2001 .06
-
Kohonen 신경망 알고리즘을 이용한 영상의 색상분류 ( Color Classification of Image Using Kohonen Neural-Network Algorithm )
대한전자공학회 학술대회
1993 .01
-
Mining Association Rules of Credit Card Delinquency of Bank Customers in Large Databases
지능정보연구
2003 .11
-
모바일 신용카드 사용자 만족 및 지속사용 의도에 영향을 미치는 요인에 관한 연구 : 혁신확산이론 및 후기수용모형을 중심으로
한국전자거래학회지
2015 .08
이 논문의 저자 정보
이 논문과 함께 이용한 논문
Investigating the Influence of ESG Information on Funding Success in Online Crowdfunding Platform by Using Text Mining Technique and Logistic Regression
Kyu Sung Kim
,
Min Gyeong Kim
,
F
외 2명
한국컴퓨터정보학회논문지
2023
.07
초분광 이미지와 Logistic Regression 모델 기반 마늘 표면 손상 검출 모델 개발
왕평안
,
한웅철
한국산학기술학회 논문지
2023
.07
Factors Influencing Over-the-top Services Adoption: Multinomial Logistic Regression between Non-adopters, Free Service, and Paid Service Adopters
Ko
,
Jeongmin
,
Chang
외 1명
사이버커뮤니케이션학보
2023
.03
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2014-004-001032203