پیش بینی جرائم خشونت آمیز مبتنی بر داده کاوی با استفاده از رگرسیون، شبکه عصبی چند لایه و بهینه سازی توده ذرات

برقراری امنیت، از جمله نیازهای ضروری توسعه هر جامعه ای می باشد، در این بین پدیده شوم جرم و جنایت باعث از بین رفتنپایه های امنیت و سلامت روانی شهروندان گشته و صدمات و هزینه های جدی را برای شهروندان به بار می آورد. از دیرباز سؤالاتی ازقبیل اینکه چرا آدمی مرتکب جرم می شود؟ چگونه می توان از وقوع جرم پیشگیری کرد و آن را در جامعه کاهش داد؟ وجود داشتهاست. چگونگی رفتار و شخصیت افراد بیشتر به چگونگی محیط اجتماعی و اقتصادی و تربیتی آنها بستگی دارد، بنابراین قبل ازایجاد انگیزه وقوع جرم، باید بفکر اصلاح و از بین بردن علل ارتکاب جرم باشیم. به کارگیری شیوه های نظام مند جهت شناسایی،کشف و پیشگیری از وقوع جرائم در تحلیل جامعه برای رسیدن به یک سیستم تحلیل جرم رو به گسترش است. داده کاوی یکی ازمهمترین روشهایی است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را دراختیار کاربران و تحلیل گران قرار می دهند تا براساس آنها تصمیمات مهم و حیاتی در امور گرفته شود. استفاده از تکنیک داده کاویدر مورد تشخیص جرم و جنایت می تواند یک عملکرد موثر باشد و استفاده از تحلیل رگرسیون تعیین بهترین مدل می باشد.رگرسیون چگونگی ارتباط یک متغیر را با چندین متغیر دیگر را تعیین می کند. ما در این مقاله برای پیش بینی جرائم خشونت انگیزاز رگرسیون استفاده کردیم و هدف از رگرسیون در پیش بینی رسیدن به حداقل میزان خطا می باشد و ما با استفاده از تکنیک شبکهعصبی چند لایه توانستیم میزان مجموع مربعات خطا را کاهش دهیم و با استفاده از بهینه سازی و الگوریتم بهینه سازی اذحام ذراتتوانستم این مقدار را کاهش قابل قبولی دهیم و آن را به مقدار 1.78969 برسانیم.

کلیدواژه ها:

داده کاوی ، رگرسیون ، شبکه عصبی ، بهینه سازی توده ذرات ، جرم و جنایت ، بزهکاری