15419

15419

ارائه روشي بومي جهت شناسايي هوشمند مجرمين سرقت از منزل

كارشناسي ارشد

كامپيوتر – گرايش نرم‌افزار

آذر ماه 1394

آذر ماه 1394

دكتر عين اله خنجري

چكيده در علوم جرم‌شناسي همواره نياز به تحليل مدارك و شواهد موجود در صحنه جرم براي شناسايي مجرمين احساس مي‌شود. دراين‌بين درصورتي‌كه شواهد و مداركي مانند DNA موجود باشد روند شناسايي مجرمين ساده‌تر خواهد بود اما اغلب اين‌گونه از مدارك درصحنه‌هاي جرم وجود ندارند. اين موضوع باعث گرديد جرم‌شناسان به فكر تحليل مواردي همچون الگوي رفتاري مجرم يا مكان و زمان جرم بيفتند كه اين داده‌ها كم يا زياد همواره در صحنه جرم يافت مي‌شود. يكي از تكنيك‌هاي پركاربرد در اين حوزه از تحليل جرم، تطبيق جرم نام دارد. هدف اصلي در اين فرايند، شناسايي و كشف ارتباط بين جرائم ثبت‌شده در سيستم با جرائم جديدي است كه به‌تازگي اتفاق افتاده است. براي انجام تطابق جرم نيازمند تشخيص الگوي رفتاري مجرم مي‌باشيم. براي دستيابي به تحليل مناسب رفتاري مجرمين بهتر است به سراغ جرم‌هاي پرتكراري همچون جرم سرقت از منزل برويم تا امكان شناسايي الگوهاي تكراري وقوع جرم افزايش يابد. در اين پايان‌نامه تلاش شده است براي اولين بار در ايران پارامترهاي مهم و اساسي در تحليل رفتاري جرم به كمك پليس آگاهي كشور شناسايي شود. سپس بر اساس اطلاعات به دست آمده دو فرم معاينه محل جديد تهيه گرديده و براي تعدادي از جرم‌هاي استان‌هاي تهران و قزوين و البرز اين فرم‌ها تكميل گرديد. سپس بر اساس اطلاعات جمع‌آوري‌شده روش‌هايي جهت شناسايي مجرمين سابقه‌دار ارائه گردد. نتايج حاصل نشان مي‌دهد كه با اين روش‌ها مي‌توان با دقت مناسبي مظنونين يك جرم كشف نشده را به همراه احتمال ارتكاب جرم توسط او ارائه نمود. يكي ديگر از تحليل‌هاي پركاربرد جرم، تحليل نقاط جرم خيز نام دارد كه براي اين منظور از روش‌هاي خوشه‌بندي استفاده مي‌شود. در اين پايان‌نامه تلاش شده است براي تحليل نقاط جرمخيز بر روي دادههاي جغرافيايي موجود روشي تركيبي با تركيب دو روش AGNES به‌عنوان يك روش سلسله‌مراتبي و روش K-Means به‌عنوان يك روش تفكيكي، ارائه گردد كه دقت آن به نسبت روش K-Means كه انتخاب مراكز آن تصادفي است بهتر گرديده و سرعت پردازش آن به نسبت روش AGNES كه از مرتبه 〖O(n)〗^3 است، بهبود يابد. واژه‌هاي كليدي: تطبيق جرم، دادهكاوي جرم، تحليل نقاط جرمخيز