ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

An Ensemble Learning Approch For Crime Analysis And Detection

سال انتشار: 1399
کد COI مقاله: ITCT11_045
زبان مقاله: انگلیسیمشاهد این مقاله: 17
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 10 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله An Ensemble Learning Approch For Crime Analysis And Detection

Sina Dami - Assistant Professor of Computer Department, West Tehran Branch, Islamic Azad University, Tehran, Iran
Maryam A Kamravafar - Master Degree, West Tehran Branch, Islamic Azad University, Tehran, Iran

چکیده مقاله:

The rate of crimes has substantially increased with the passage of time, and technologies that have helped people enjoy an easier life have contributed criminals to employ more accurate techniques in committing crimes. One of the key concerns for law enforcement officials is how to enhance the police investigative efficacy and attempt to improve it so that they could remain in the eternal contest between law enforcers and criminals. Data mining is the strongest and best method to extract basic knowledge and relationships between data and detect patterns in large amounts of data using various sciences. As a result, crime prediction, crime prevention, and crime detection, scientifically not just empirically with the help of data mining, is a strategy that causes the adoption of better decisions and strategic planning at the micro and macro levels.In this paper, with the help of data mining algorithms and CRISP (Cross Industry Standard Process for Data Mining) methodology, we have dealt with the intelligent identification of criminals. Given that each of the data mining techniques and algorithms has different advantages and disadvantages, the use of ensemble methods that the jury actually constitutes and announces the final decision by a maximum voting will lead to attaining the best result. Our proposed model was trained by ensemble learning classifiers methods from three based classifier algorithms of RandomForest, Naive Bayes, and support vector machine (SVM) with weights of ۲, ۱ and ۴, respectively. This technique has a greater efficiency than other methods and base algorithms and increases the evaluation criteria for the precision and accuracy of classification to ۷۴% and ۷۵%.

کلیدواژه ها:

Intelligent Crimnials Identifcation, Data Mining, Crime, Classification, Ensemble method

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1197113/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Dami, Sina and A Kamravafar, Maryam,1399,An Ensemble Learning Approch For Crime Analysis And Detection,یازدهمین کنفرانس بین المللی فناوری اطلاعات،کامپیوتر و مخابرات,,,https://civilica.com/doc/1197113

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1399, Dami, Sina؛ Maryam A Kamravafar)
برای بار دوم به بعد: (1399, Dami؛ A Kamravafar)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: 2,660
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی