كاربرد داده كاوي در شناسايي و كشف الگوهاي پنهان جرم سرقت

Crime analysis using data mining techniques

پيشگيري از جرم همواره يكي از موضوعات اساسي و مهم در زندگي بشري بوده كه در طول تاريخ به شيوه‏هاي مختلف اعمال گرديده است. با توجه به گسترش فناوري‏هاي اطلاعات و ارتباط و راه‏اندازي سيستم‏هاي جامع اطلاعاتي در نيروي انتظامي و ثبت اطلاعات مجرمان در بانك‏هاي اطلاعاتي، كاربرد تكنيك‏هاي داده‏كاوي و كشف دانش به منظور تحليل و ريشه‏يابي جرايم از جمله سرقت يكي از ضرورت‏هاي پليس ايران و دستگاه‏هاي قضايي مي‏باشد. هدف اصلي اين تحقيق توسعه و ارايه يك مدل داده كاوي است كه با به كارگيري بانك‏هاي اطلاعاتي جرايم موجود و استفاده از ابزارها و الگوريتم‏هاي داده كاوي بتوان الگوهاي جرم را شناسايي و كشف نمود تا به اين طريق پليس بتواند وقوع جرم را پيش بيني كرده و با كنترل دقيق‏تر نيروها و آرايش نظامي آنان در منطقه جرم، از وقوع جرايم پيشگيري نمايد. در مدل ارايه شده از دو تكنيك قوانين تلازمي با الگوريتم‏ احتمال پيشين و خوشه بندي با الگوريتم كاي ميانگين براي استخراج الگوها از يك پايگاه داده با بيش از صدهزار ركورد سرقت استفاده شده است.

Nowadays, because of more crime in our society, there is an increasing need to establish some solutions to prevent or predict crimes. Regarding increasing advance in information technology and information system together with large data warehouse developed in Iranian police department, it is vital to employ data mining techniques to analyze and extract some knowledge about criminal behaviors. The main purpose of this study is to develop a data mining model which is capable of supporting law enforcement agencies so that they can use the enhanced model to improve crime prediction and response, and consequently enhance safety for all residents. The proposed model is based on K-means algorithm and association rules to describe the criminal behavior in our society. A real dataset with more than a hundred thousand records is used to indicate the applicability of our model.