CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

بررسی چگونگی عملکرد تشخیص الگوی جرم توسط سیستم های داده کاوی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۲۶۷ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: TAES01_042
زبان مقاله: فارسی
حجم فایل: ۲۲۰.۸ کیلوبایت (فایل این مقاله در ۶ 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 ۶ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بررسی چگونگی عملکرد تشخیص الگوی جرم توسط سیستم های داده کاوی

  سمیرا ابراهیم زاده - دانشجوی کارشناسی ارشد مهندسی کامپیوتر، نرم افزار، موسسه آموزش عالی هاتف زاهدان
  مهدی زرین خمری لف - دانشجوی کارشناسی ارشد مهندسی کامپیوتر، نرم افزار، موسسه آموزش عالی هاتف زاهدان

چکیده مقاله:

داده کاوی می تواند جهت مدل سازی جرایم مورد استفاده قرار گیرد. ما در اینجا نگاهی به الگوریتم خوشه بندی در خصوص یک روش از داده کاوی داریم تا بتوانیم الگوی جرایم را شناسایی نماییم و فرایند رفع آن را تسهیل نماییم. در این خصوص نگاهی بر روی خوشه بندی k-means می اندازیم و همچنین از تکنیک یادگیری Semi-Supervised نیز استفاده شد تا در مورد اسناد موجود جرایم، دانشی به دست آید و ضریب پیش بینی صحیح را افزایش دهیم. همچنین از طرح وزن دهی نیز کمک گرفته تا محدودیت های موجود در تکنیک ها و ابزارهای خوشه بندی جبران شوند.

کلیدواژه‌ها:

داده کاوی، خوشه بندی، جرم، Semi-Supervised, k-means

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-TAES01-TAES01_042.html
کد COI مقاله: TAES01_042

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:
ابراهیم زاده, سمیرا و مهدی زرین خمری لف، ۱۳۹۴، بررسی چگونگی عملکرد تشخیص الگوی جرم توسط سیستم های داده کاوی، کنفرانس ملی چشم انداز 1404 و پیشرفتهای تکنولوژیک علوم مهندسی، شیراز، مرکز توسعه آموزشهای نوین ایران (متانا)، https://www.civilica.com/Paper-TAES01-TAES01_042.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: (ابراهیم زاده, سمیرا و مهدی زرین خمری لف، ۱۳۹۴)
برای بار دوم به بعد: (ابراهیم زاده و زرین خمری لف، ۱۳۹۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • Hsinchun, c and Wingyan, g and Yi Qin, m.c, and ...
  • Hsinchun, c and Wingyan, g and Yi Qin, n.c, and ...
  • C McCue, "Using Data Mining to Predict and Prevent Violent ...
  • Whitepaper, "Oracle's Integration Hub For Justice And Public Safety, (2004), ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: موسسه غیرانتفاعی
    تعداد مقالات: ۲۲۲
    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.