Uma abordagem de aprendizagem supervisionada para a identificação criminal

Os instrumentos de mineração de dados são a melhor abordagem para a identificação criminal com base nas características e natureza do crime. Neste livro, propusemos uma abordagem supervisionada para a identificação da lista de suspeitos de crimes utilizando medidas de semelhança e algoritmo de cluster K-Medoids. O algoritmo de agrupamento de K-Medoids agrupa os crimes mais estreitamente relacionados como um grupo individual e cada grupo terá um conjunto único de características. O conjunto de características únicas é utilizado para a identificação de criminosos que utilizam algoritmos de medida de semelhança baseados na medida da distância. O sistema proposto tem duas fases, fase de treino e fase de teste. Nesta abordagem, treinámos o sistema proposto com um conjunto de dados supervisionado com informações recolhidas sobre crimes de vários locais de Nadu Tamil através de dados disponíveis online. Na fase de teste, primeiro identificar o agrupamento mais próximo do crime de teste utilizando o algoritmo de agrupamento de K-Medoids e depois identificar a lista de suspeitos de crime utilizando a medida de semelhança. A fase inicial de implementação e análise do esquema proposto proporciona bons resultados e elevada precisão. O esquema proposto é comparado com o algoritmo de agrupamento de K-Means relacionado, com o mesmo conjunto de formação e instâncias de teste.