خلاصة:
زمینه و هدف: این پژوهش بر آن است تا با بهرهگیری از الگوریتمهای دادهکاوی به تحلیل دادههای ثبتشده در بانک اطلاعاتی پلیس مربوط بهدستگیرشدگان توسط گشتهای انتظامی تهران بزرگ در سهماهه اول سال 1389 بپردازد و با استفاده از آنها، الگویی طراحی شود که به شناسایی مجرمان واقعی از بین انبوه متهمان دستگیرشده اقدام کند. این الگو میتواند بهعنوان یک سامانه تصمیمیار در اختیار کارشناسان انتظامی قرار گیرد تا فرآیند شناسایی و دستگیری مجرمان واقعی با سرعت و دقت بیشتری انجام شود. روششناسی: این پژوهش از نوع پژوهشهای دادهمحور بوده و بر اساس یک فرایند استاندارد دادهکاوی CRISP-DM، دادههای دستگیرشدگان که شامل متغیرهای جمعیتشناختی متهمان و کلانتری محل دستگیری است، پس از یکپارچهسازی و پالایش، با استفاده از الگوریتمهای CHAID,CRT C5.0 و شبکه عصبی MLP مدلسازی شدند. یافتهها: الگوریتم C5.0 در فن درخت تصمیم نتایج بهتری را به لحاظ دقت شناسایی مجرمان واقعی نسبت به سایر الگوریتمهای درخت تصمیم، مانند CHAID, CRT دارد؛ اما نسبت به الگوی طراحیشده توسط شبکه عصبی MLP دقت کمتری دارد. نتایج: با استفاده از الگوریتمهای درخت تصمیم، در مجموع 19 قانون کشف و ارائه شد. برای بررسی این قوانین، نشست خبرگان تشکیل شد و در نهایت از 19 قانون استخراجشده، 3 قانون مرتبط با موضوع مورد پژوهش شناخته شده و مورد تأیید قرار گرفت.
Background and goal: this research aims to analyze data registered in the Police Information Bank related to the arrestees by the Great Tehran's Police Patrol Units in the first quarter of the year 2010 by utilizing data mining algorithms, so that a model is constructed that can identify real criminals from among a mass of the arrestees and the accused. This model can be provided to police experts as a decision-assisting system so that the process of identification and arrest of real criminals is done with higher accuracy and sped. Methodology: This research was a data based research. Based on a standard process of data mining (CRISP-DM), data pertaining to the arrested including demographic data of the accused and the police station where they were held were modeled after they were integrated and refined by using CHAID,CRT C5.0 algorithms and MLP nervous network. Findings: C5.0 algorithm has better results in the technique of decision tree in terms of the accuracy with which real criminals are recognized compared to other algorithms of the decision tree like CHAID, CRT; however, compared to the model designed by the MLP nervous network, it enjoys less accuracy. Results: By using decision tree algorithms, 19 rules were dissevered and presented as a whole. To examine these rules, an elite meeting was formed, and in the end, from among 19 rules extracted, 3 rules relating to the subject under research were examined and confirmed.
ملخص الجهاز:
طراحي الگوي داده کاوي پيشنهادي به منظور شناسايي مجرمان تاريخ دريافت : ١٣٩٥/٠٤/٢٣ تاريخ پذيرش : ١٣٩٥/٠٦/٢١ 3 امير مانيان ،١ محمد جمالو،٢ معصومه بيدل از صفحه ١٠٩ تا ١٢٨ زمينه و هدف : اين پژوهش بر آن است تا با بهره گيري از الگوريتم هاي داده کاوي به تحليل داده هاي ثبت شده در بانک اطلاعاتي پليس مربوط به دستگيرشدگان توسط گشت هاي انتظامي تهران بزرگ در سه ماهه اول سال ١٣٨٩ بپردازد و با استفاده از آنها، الگويي طراحي شود که به شناسايي مجرمان واقعي از بين انبوه متهمان دستگيرشده اقدام کند.
1- Cho 2- Data Mining 3- Online اين پژوهش بر آن است تا با بهره گيري از الگوريتم هاي داده کاوي به تحليل داده هاي ثبت شده در بانک اطلاعاتي پليس مربوط به دستگيرشدگان توسط گشت هاي انتظامي تهران بزرگ در سه ماهه اول سال ١٣٩٢ بپردازد و با استفاده آنها الگويي طراحي شود تا بتوان با بهره گيري از آن ، به شناسايي مجرمان واقعي از بين انبوه متهمان دستگيرشده اقدام کرد.
1- Sunderland استخراج داده ها آماده سازي داده ها شبکه عصبي مدل سازي مقايسه قوانين و تحليل نتايج مدل ها شکل شماره (١): مدل مفهومي پژوهش روش شناسي پژوهش با توجه به ماهيت پژوهش که استفاده از داده کاوي براي شناسايي مجرمان واقعي از بين متهمان دستگيرشده در گشت هاي انتظامي تهران در سه ماهه اول سال ١٣٩٢ است ، اين پژوهش از نوع داده محور بوده و پايه اصلي پژوهش حاضر بر کشف دانش از پايگاه داده هاي بانک مورد مطالعه نهاده شده است .