منوی کاربری
  • پشتیبانی: ۴۲۲۷۳۷۸۱ - ۰۴۱
  • سبد خرید

دانلود ترجمه مقاله کشف جرم و شناسایی مجرم با استفاده از تکنیک داده کاوی - مجله اشپرینگر

دانلود ترجمه مقاله کشف جرم و شناسایی مجرم با استفاده از تکنیک داده کاوی - مجله اشپرینگر
قیمت خرید این محصول
۴۵,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
کشف جرم و شناسایی مجرم با استفاده از تکنیک داده کاوی در هند
عنوان انگلیسی
Crime detection and criminal identification in India using data mining techniques
صفحات مقاله فارسی
23
صفحات مقاله انگلیسی
11
سال انتشار
2015
نشریه
اشپرینگر - Springer
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد
کد محصول
4163
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه نشده است
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است
رشته های مرتبط با این مقاله
مهندسی کامپیوتر و مهندسی صنایع
گرایش های مرتبط با این مقاله
داده کاوی، مهندسی نرم افزار و هوش مصنوعی
مجله
جامعه و هوش مصنوعی
دانشگاه
گروه CSE، دانشگاه فنی گاندی دهلی، هند
کلمات کلیدی
خوشه بندی، دسته بندی، جرم ، داده کاوی، نقشه گوگل، میانگین k، K-NN، WEKA
۰.۰ (بدون امتیاز)
امتیاز دهید
فهرست مطالب
چکیده
۱ مقدمه
۲ پیشینه و کارهای مرتبط
۳ روش
۱ ۳ مجموعه داده CDCI
۱ ۱ ۳ حفاظت ازداده های CDCI
۲ ۳ شیوه CDCI پیشنهادی
۴ آزمایش و نتایج
۱ ۴ CDCI برای انتخاب شهرهای هندی
۲ ۴ اجرای میانگین k CDCI
۱ ۲ ۴ میانگین k CDCI برای مورد ۱ تا ۴
۳ ۴ اجرای GMAPI CDCI
۴ ۴ اجرای CDCI KNN
۵ ۴ CDCI با استفاده از weka
۵ نتیجه گیری
۶ کار آتی
نحوه خرید نسخه پاورپوینت این مقاله
نمونه چکیده متن اصلی انگلیسی
Abstract

In the current paper, we propose an approach for the design and implementation of crime detection and criminal identification for Indian cities using data mining techniques. Our approach is divided into six modules, namely—data extraction (DE), data preprocessing (DP), clustering, Google map representation, classification and WEKA implementation. First module, DE extracts the unstructured crime dataset from various crime Web sources, during the period of 2000–2012. Second module, DP cleans, integrates and reduces the extracted crime data into structured 5,038 crime instances. We represent these instances using 35 predefined crime attributes. Safeguard measures are taken for the crime database accessibility. Rest four modules are useful for crime detection, criminal identification and prediction, and crime verification, respectively. Crime detection is analyzed using k-means clustering, which iteratively generates two crime clusters that are based on similar crime attributes. Google map improves visualization to k-means. Criminal identification and prediction is analyzed using KNN classification. Crime verification of our results is done using WEKA. WEKA verifies an accuracy of 93.62 and 93.99 % in the formation of two crime clusters using selected crime attributes. Our approach contributes in the betterment of the society by helping the investigating agencies in crime detection and criminals’ identification, and thus reducing the crime rates.

نمونه چکیده ترجمه متن فارسی
چکیده
در مقاله فعلی، شیوه ای برای طراحی و اجرای کشف جرم و شناسایی مجرم در شهرهای هند با استفاده از تکنیک های داده کاوی پیشنهاد می کنیم. شیوه پیشنهادی به شش مدول تقسیم می شود، استخراج داده ها (DE) ، پیش پردازش داده ها (DP)، خوشه بندی، نمایش نقشه گوگل، دسته بندی و اجرای WEKA. مدول اول، DE، مجموعه داده جرم ساختارنیافته را از منابع وب (سورس وب) جرم و جنایت در طول دوره سالهای 2012- 2000 استخراج می کند. مدول دوم، DP، داده های جرم استخراج شده را تمیز، یکپارچه و به 5038 نمونه جرم و جنایت ساختاریافته کاهش می دهد. این نمونه ها را با استفاده از 35 مشخصه و ویژگی جرم از پیش تعریف شده، مطرح می کنیم. برای دسترس پذیری به پایگاه داده جرم، معیارهای حفاظتی اقتباس می گردد. چهار مدول باقیمانده برای کشف جرم، شناسایی و پیشگویی مجرم و تائید جرم مفید می باشند. کشف جرم با استفاده از خوشه بندی میانگین k مورد تجزیه و تحلیل قرار می گیرد که دو خوشه جرم براساس ویژگیهای جرم مشابه تولید می کند. نقشه گوگل مصورسازی و مجازی سازی میانگین k را بهبود می بخشد. شناسایی و پیشگویی مجرم با استفاده از دسته بندی KNN مورد تجزیه و تحلیل قرار می گیرد. تائید جرم نتایج بدست آمده با استفاده از WEKA انجام می شود. WEKA صحت 62. 93 و 99. 93 درصد در شکل گیری دو خوشه جرم با استفاده از ویژگیهای جرم منتخب را تائید می کند. شیوه پیشنهادی با کمک به آژانس های پژوهش درجهت کشف جرم و شناسایی مجرمین و کاهش نرخ جرم و جنایت به اصلاح و بهبود جامعه کمک می کند.

بدون دیدگاه