CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارایه راهکاری جهت تشخیص جرایم در داده های بزرگ با استفاده از داده کاوی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۲۴ | تعداد نمایش خلاصه: ۹۰ | نظرات: ۰
سال انتشار: ۱۳۹۶
کد COI مقاله: NRSEC01_023
زبان مقاله: فارسی
حجم فایل: ۱.۰۷ مگابات (فایل این مقاله در ۲۴ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۲۴ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارایه راهکاری جهت تشخیص جرایم در داده های بزرگ با استفاده از داده کاوی

  عبدالرضا عباسی راد - دانشجوی کارشناسی ارشد مهندسی کامپیوتر، موسسه غیرانتفاعی و غیردولتی کاوش محمود آباد
عباس مدرکی شهد - دکتری علوم کامپیوتر، مدیر گروه کامپیوتر موسسه غیرانتفاعی و غیردولتی محمودآباد

چکیده مقاله:

امروزه جنایات نوعی مزاحمت اجتماعی هستند و هر جامعه ای از صمیم قلب خواستار رفع آن می باشد. پیشگیری از وقوع جرم و در صورت وقوع،رسیدگی و کشف آن از مسایل مهم حاکمان و دولتمردان می باشد. از اینرو بررسی، تحلیل و ریشه یابی جرایم مستلزم بهره گیری از ابزارها و تکنیک های ارایه شده در حوزه فناوری اطلاعات می باشد. برای پیش بینی دقیق جغرافیایی مکان جرایم، باید از ابزاری قدرتمند با توانایی های بسیار زیاد در ذخیره سازی، فراخوانی، آنالیز و نمایش داده ها در جهت کنترل جرایم استفاده شود. داده کاوی بعنوان یک ابزار مهم تحلیلی، می تواند روشی برای افزایش کارایی تحقیقات پلیسی و پیشگیری از جنایات و جرایم باشد. هدف اصلی این تحقیق ارایه روشی مبنی بر دادهکاوی میباشد که با استفاده از ابزارها و الگوریتمهای دادهکاوی و بکارگیری بانکهای اطلاعاتی موجود، بتواند دادههای موجود را مدل و الگوهای جرم را شناسایی و کشف کند تا بدین طریق پلیس بتواندوقوع جرم را پیشبینی کرده و با کنترل دقیقتر نیروها و آرایش نظامی آنان در منطقه، از وقوع جرم پیشگیری نماید. در تحقیق حاضر یک روش پیشنهادی بر مبنای روش خوشه بندی مبتنی بر چگالی و با استفاده از معماری هادوپ برای کمک به روند شناسایی الگوهای جرم و جنایت ارایه دادیم. سپس این روش را به داده های جرم که به صورت فرضی ایجاد کرده ایم، اعمال و نتایج را از لحاظ سرعت اجرا با الگوریتم کامینز مقایسه کردیم. نتیجه مقایسهبیانگر این مطلب است که روش پیشنهادی در اجرا بسیار سریعتر از روش کامینز می باشد. همچنین با توجه به چارچوب مورد استفاده و پشتیبانی از سیستم های توزیع شده در روش پیشنهادی، می توان از آن بعنوان یک سیستم جامع نظارتی درمراکز پلیس بهره برد

کلیدواژه‌ها:

داده کاوی، کلان داده، سیستم اطلاعات مکانی، الگوهای جرم، خوشه بندی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-NRSEC01-NRSEC01_023.html
کد COI مقاله: NRSEC01_023

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
عباسی راد, عبدالرضا و عباس مدرکی شهد، ۱۳۹۶، ارایه راهکاری جهت تشخیص جرایم در داده های بزرگ با استفاده از داده کاوی، کنفرانس بین المللی پژوهش های نوین در علوم و مهندسی قرن 21، بندر آستارا، موسسه اموزش عالی فروردین، https://www.civilica.com/Paper-NRSEC01-NRSEC01_023.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (عباسی راد, عبدالرضا و عباس مدرکی شهد، ۱۳۹۶)
برای بار دوم به بعد: (عباسی راد و مدرکی شهد، ۱۳۹۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: موسسه غیرانتفاعی
تعداد مقالات: ۴۲
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.