ارائه مدل هایی مبتنی بر جرم و مجرم جهت شناسایی هوشمند مجرمین سرقت از منزل به کمک اطلاعات رفتاری و مکانی

برای شناسایی مجرمین همواره نیاز به مدارک و شواهدی در صحنه جرم میباشد. اما امروزه بدلیل نبود اطلاعاتی چون اثرانگشت ناگزیر به استفاده از اطلاعاتی رفتاری چون نحوه ورود سارق یا اطلاعات مکان جرم هستیم. زیرا این اطلاعات همواره کم و بیش در دسترس میباشد. جرم سرقت از منزل به دلیل فرکانس بالای رخداد آن و خاصیت تکرارپذیر بودن آن توسط سارق، گزینه مناسبی جهت هوشمندسازی فرآیند کشف محسوب می شود. در این مقاله ابتدا پارامترهای مهم در تشخیص جرم سرقت از منزل شناسایی شده سپس با دسته بندی حالات تحلیل جرم به حالت دستگیری مجرم یا وقوع جرم جدیدو با ارائه دو مدل مبتنی بر جرم و مبتنی بر مجرم، برای هر یک از مجرمین، الگوی رفتاری سارق مدل می شود. الگوریتم مبتنی بر جرم بر روی تعدادی از سرقت های استان های البرز و قزوین تست شده و با دقتی بالای 85 درصد توانست مجرمین را به درستی شناسایی نماید. برای این منظور روش های رده بندی مختلفی چون درخت تصمیم C4.5 ، شبکه عصبی، SVM و شبکه های بیزی با یکدیگر مقایسه شده و SVM به عنوان بهترین آنها انتخاب شد. برای افزایش دقتالگوریتم، علاوه بر اطلاعات رفتاری معمول در تحلیل جرم، اطلاعات مکان جرم نیز مدل شده و همچنین با فرض کمتربودن سرقت های بین استانی اطلاعات سرقت های استان های مختلف به صورت جداگانه بررسی شدند و خروجی ها بهبودیافت.

کلیدواژه ها:

رده بندی ، تطبیق جرم ، شناسایی الگو ، داده کاوی