دسته بندي منطقه اي جرايم با استفاده از روشهاي دسته بندي ابرگراف

Regional classification of crimes using super-graph clas sification methods

با توجه به اهميت روزافزون علم داده كاوي و نقش كليدي آن در علوم جنايي و قضايي، نمونه اي از مسايل دسته بندي در اين مقاله مورد بررسي قرار گرفته است كه مي تواند زمينه ساز پيش بيني هايي براي پيشگيري از جرم باشد. دسته بندي اولين قدم در روش هاي مبتني بر پيشگيري است و يكي از موارد دسته بندي بسيار مهم در علوم قضايي در خصوص كلاسه سازي منطق هاي جرايم صورت مي گيرد، زيرا نتايج حاصل از كلاسه سازي منطقه اي مي تواند در مواردي مانند سازماندهي نيروها مورد توجه قرارگيرد. در ادامه اين مقاله داده هاي يكي از مجموعه داده هاي استاندارد در زمينه ريشه يابي جرايم، براي نمايش توانايي هاي روش دسته بندي مربوط مورد آزمايش قرارگرفته است. براي دسته بندي اين داده هان از يك كرنل مبتني بر ابرگراف (كه معمولاً براي دسته بندي ريوس به كار ميرود) به عنوان كرنل در كلاسه سازها استفاده شده است.

Considering the growing importance of data-mining and its key role in forensic sciences, a classification example has been investigated in this article that can create a context for prognosticating and preventing crime. Classification is the first step in prevention-based methods and one of the most important classifications is done in the realm of legal sciences as results drawn from regional classification can be applied in cases like organizing forces. In the subsequent parts, data from one set of standard data in crime detection has been tested for illustrating the abilities of classification. To classify these data, a kernel based on a super-graph