ارایه 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 هموارهکم و بیش در دسترس میباشد. جرم سرقت از منزل به دلیل فرکانس بالای رخداد آن و خاصیت تکرارپذیر بودن آن توسطسارق، گزینه مناسبی جهت هوشمندسازی فرآیند کشف محسوب می شود. در این مقاله ابتدا پارامترهای مهم در تشخیصجرم سرقت از منزل شناسایی شده سپس با دسته بندی حالات تحلیل جرم به حالت دستگیری مجرم یا وقوع جرم جدیدو با ارایه دو مدل مبتنی بر جرم و مبتنی بر مجرم، برای هر یک از مجرمین، الگوی رفتاری سارق مدل می شود. الگوریتممبتنی بر جرم بر روی تعدادی از سرقت های استان های البرز و قزوین تست شده و با دقتی بالای 85 درصد توانستمجرمین را به درستی شناسایی نماید. برای این منظور روش های رده بندی مختلفی چون درخت تصمیم C4.5 ، شبکهعصبی، 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 بهبود یافت.

کلیدواژه ها:

رده بندی ، تطبیق جرم ، شناسایی الگو ، داده کاوی