بررسي و كشف جرم با استفاده از روش هاي داده كاوي

حجم انبوه داده ها و اطلاعات مرتبط با جرايم در ادارات پلي ساز يك سو و پيچيدگي ارتباطات ميان اين جرايم از سوي ديگر موجب مي شود كه روش هاي سنتي تحليل جرم كه اغلب توسط كارآگاهان زبده و كارشناسان صحنه جرم با تجربه به كار گرفته م يشوند، اولاً نيازمند صرف زمان و هزينه انساني بسيار زيادي باشند و ثانياً به دليل ميزان دخالت بالاي عامل انساني در تصميم گيري ها، لحاظ كردن تمام عوامل تاثيرگذار در يك جرم و ارتباطات بين آنها ممكن نباشد و مراحل كشف جرم به كندي طي شود. چنين شرايطي ضرورت به كارگيري يك روش نظام مند جهت كشف و تحليل جرايم را بيش از پيش نمايان مي سازد. تهيه و ارايه الگويي براي سيستم گزارش هاي پليس جهت تحليل و كشف جرم، بر اساس روش هاي داده كاوي مي تواند راهگشاي دو چالش نامبرده باشد. براي اين منظور در اين تحقيق سعي شده است براي تحليل و كشف جرم از طريق تشخيص شباهت جرايم با يكديگر، بر اساس الگوريتم هاي داده كاوي دو مرحله عمده ارايه شود. 1- ابتدا بايد معيارهاي تشابه را پيدا كرد كه بدين منظور مي توان از روش هاي معمول در انتخاب ويژگي همچون خوشه بندي فازي با روش GKClust و خوشه بندي با K- means استفاده كرد. 2- سپس بايد با استفاده از روش هايي چون KNN جهت يافتن دسته هايي از جرايم و يا مجرمان با معيارهاي تشابه نزديك به جرم رخ داده فعلي استفاده كرد. براي تشخيص معيارهاي تشابه، وزن دهي ويژگي هاي مورد استفاده، بسيار موثر است. براي دستيابي به وزن دهي مناسب الگوريتم PCA كارآمد به نظر مي رسد.