Abstract:
یکی از پیچیده ترین مسائل در شهرهای جهان، نرخ بالای جرم و افزایش ناهنجاریهای اجتماعی در
آنهاست. بروز انواع جرم و ناهنجاری باعث ایجاد حس ناامنی و تحمیل مشکلات مالی بر دوش جامعه،
دولت و تشکیلات قضایی کشور میشود. ویژگیهای جرم و جنایت در یک پایگاه داده به مانند یک معدن
طلا ارزشمند هستند. کشف دانش پنهان در این پایگاههای داده کلید حل مسئله است، روشهای و
تکنیکهای داده کاوی به عنوان ابزارهای کاوش مخازن داده به استخراج دانش نهفته در دل آنها
میپردازد. در حال حاضر مطالعات خوبی در امر داده کاوی اطلاعات اعمال مجرمانه در دنیا انجام شده
است اما متاسفانه در داخل کشور فعالیت چندانی به چشم نمی خورد. در دنیای مدرن امروز به موازات
گسترش شیوه های نوین زندگی نوع و شکل ارتکاب جرایم نیز تغییریافته است و مجرمین شگردها و
روشهای جدیدی را برای ارتکاب و پنهان نمودن آثار جرم ارتکابی و به دنبال آن هویت خود انتخاب
میکنند. از آن جائیکه این مقاله قصد دارد با ارائه پیشنهاداتی برای سیستم گزارشات جرائم، بر میزان تسریع
کشف جرم تاثیر گذار باشد و از طرفی به استفاده از راه حل سیستمی برای حل مسئله توجه دارد، از نوع
مقاله کاربردی میباشد. با استفاده از دادههای کتابخانه ای و مقالات در دسترس، به جمع آوری اطلاعات
پرداخته شده است. در فرآیند مقاله، پس از گردآوری دادهها، گام بعدی شامل تجزیه و تحلیل دادهها
است. پس از جمع آوری اطلاعات، نتایج با استفاده از نرم افزار متلب مورد تجزیه و تحلیل قرار گرفت.
Machine summary:
پلیس پیشگیرانه، یکی از مفاهیم در حال رشد در گرایش استراتژیکی نیروی پلیس در تمام دنیا می باشد؛ این گرایش از آنجا پدید آمده است که از یک طرف، حجم انبوه داده ها و اطلاعات مربوط به جرائم گذشته می تواند این فرصت را در اختیار پلیس قرار دهد تا با صرف زمان کوتاهتری، به پیش بینی جرم، تشخیص جرم و جلو گیری از آن بپردازد و از طرف دیگر توسعه سیستم های کامپیوتری و پیشرفت تکنولوژی هوش مصنوعی در زمینه داده کاوی امکان تحلیل این حجم انبوه داده ها را با استفاده از ماشین در اختیار پلیس قرار می دهد.
در این مقاله به تجزیه و تحلیل تکنیک های تشخیص جرم با استفاده از داده کاوی و یادگیری ماشین پرداخته می شود.
در این تحقيق از روش خوشه بندی مبتني بر چگالي برای کمک به تجزیه و تحليل داده های جرم و جنایت استفاده شده.
کلندن 5 و همکارش در سال 2015، به بررسی مقالهی با عنوان استفاده از الگوریتم های یادگیری ماشینی برای تجزیه و تحلیل داده های جرم و جنایت پرداختند.
هدف از این پروژه اثبات این مساله است که الگوریتمهای یادگیری ماشینی که در آنالیز داده کاوی به کار میروند تا چه حد میتوانند در پیش Yee, etal Bassiouni, etal Chakravorty, etal National Crime Records Bureau McClendon & Meghanathan الگوهای جنایت خشونتآمیز موثرباشند[11].