論文の概要: Crime Prediction Using Spatio-Temporal Data
- arxiv url: http://arxiv.org/abs/2003.09322v1
- Date: Wed, 11 Mar 2020 16:19:19 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-24 14:21:41.931525
- Title: Crime Prediction Using Spatio-Temporal Data
- Title（参考訳）: 時空間データを用いた犯罪予測
- Authors: Sohrab Hossain, Ahmed Abtahee, Imran Kashem, Mohammed Moshiul Hoque
and Iqbal H. Sarker
- Abstract要約: 監視学習技術は、より正確な犯罪を予測するために使用される。
提案システムには、サンフランシスコ市で12年間にわたって行われた犯罪活動データセットが組み込まれている。
- 参考スコア（独自算出の注目度）: 8.50468505606714
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A crime is a punishable offence that is harmful for an individual and his
society. It is obvious to comprehend the patterns of criminal activity to
prevent them. Research can help society to prevent and solve crime activates.
Study shows that only 10 percent offenders commits 50 percent of the total
offences. The enforcement team can respond faster if they have early
information and pre-knowledge about crime activities of the different points of
a city. In this paper, supervised learning technique is used to predict crimes
with better accuracy. The proposed system predicts crimes by analyzing data-set
that contains records of previously committed crimes and their patterns. The
system stands on two main algorithms - i) decision tree, and ii) k-nearest
neighbor. Random Forest algorithm and Adaboost are used to increase the
accuracy of the prediction. Finally, oversampling is used for better accuracy.
The proposed system is feed with a criminal-activity data set of twelve years
of San Francisco city.
- Abstract（参考訳）: 犯罪は罰的な犯罪であり、個人やその社会にとって有害である。
犯罪行為のパターンを理解して防止することは明らかである。
研究は社会の犯罪活動の防止と解決に役立つ。
調査によると、全犯罪の50%を犯しているのは10%しかいない。
警察チームは、早期情報があれば迅速に対応でき、都市の異なる地点の犯罪活動について事前に知ることができる。
本稿では,教師あり学習技術を用いて,より正確な犯罪予測を行う。
提案システムは,先行した犯罪記録とそのパターンを含むデータセットを分析し,犯罪を予測する。
システムは2つの主要なアルゴリズムの上に立つ。
一 決定木及び決定木
二)kネアレストの隣人。
ランダムフォレストアルゴリズムとAdaboostは予測の精度を高めるために使用される。
最後に、オーバーサンプリングにより精度が向上する。
提案されたシステムは、サンフランシスコ市の12年間の犯罪活動データセットを供給している。
関連論文リスト
- Ranking the locations and predicting future crime occurrence by
retrieving news from different Bangla online newspapers [2.3979112009934163]
我々は、特定の場所の安全性について、人々に近似を与えるアプローチを考え出した。
私たちのアプローチは、犯罪データをクロールするために、さまざまなオンラインバングラ新聞に依存しています。
論文 参考訳（メタデータ） (2023-05-18T04:19:26Z) - A Comparative Analysis of Multiple Methods for Predicting a Specific
Type of Crime in the City of Chicago [0.9799637101641152]
空間的特徴と時間的特徴を用いて盗難を予測するにはどうすればよいのか?
XBoostはF1スコア0.86で最高の結果を示した。
論文 参考訳（メタデータ） (2023-04-26T11:35:06Z) - Criminal Investigation Tracker with Suspect Prediction using Machine
Learning [0.0]
本研究は,実世界データに基づく犯罪予測と犯罪法人化の新たなアプローチを提供する。
スリランカの犯罪者を識別する自動化アプローチは、現在のシステムよりも優れている。
論文 参考訳（メタデータ） (2023-02-21T03:24:17Z) - Exploring The Relationship Between Road Infrastructure and Crimes in
Memphis, Tennessee [91.3755431537592]
2020年から2022年にかけて、メンフィス・データ・ハブからホップと犯罪データを収集した。
犯罪データは、犯罪の場所、時間、種類を含むメンフィス地域の様々な犯罪を報告している。
ホップホールデータはOpen 311データの一部であり、異なるインフラプロジェクトの情報を含んでいる。
論文 参考訳（メタデータ） (2022-12-02T03:52:35Z) - Crime Prediction using Machine Learning with a Novel Crime Dataset [0.0]
バングラデシュは貧困、人口増加、その他多くの社会経済的問題による犯罪率が高い。
法執行機関にとって、将来の犯罪活動を防ぐためには犯罪パターンを理解することが不可欠である。
本稿では,バングラデシュにおける6574件の犯罪事件に関する時間的,地理的,天気,人口統計データを含む新たな犯罪データセットを提案する。
論文 参考訳（メタデータ） (2022-11-03T01:55:52Z) - If it Bleeds, it Leads: A Computational Approach to Covering Crime in
Los Angeles [79.4098551457605]
本稿では,犯罪に関する古典的ニュース記事から原典型的報道形態を学習し,その構造を学習することで,個々の犯罪を網羅するシステムを提案する。
私たちの研究が、これらのコンポーネントを併用して犯罪を報道するニュース記事の骨格を形成するシステムに繋がることを期待しています。
論文 参考訳（メタデータ） (2022-06-14T19:06:13Z) - Spatial-Temporal Hypergraph Self-Supervised Learning for Crime
Prediction [60.508960752148454]
本研究では,犯罪予測におけるラベル不足問題に対処する空間的ハイパーグラフ自己監視学習フレームワークを提案する。
都市空間全体における犯罪の地域的依存性をエンコードするクロスリージョンハイパーグラフ構造学習を提案する。
また,2段階の自己指導型学習パラダイムを設計し,局所的・世界的空間的犯罪パターンを共同で捉えるだけでなく,地域的自己差別の強化による疎犯罪表現を補う。
論文 参考訳（メタデータ） (2022-04-18T23:46:01Z) - Spatial-Temporal Sequential Hypergraph Network for Crime Prediction [56.41899180029119]
本稿では,複合犯罪の時空間パターンを包括的に符号化する時空間逐次ハイパーグラフネットワーク(ST-SHN)を提案する。
特に、長距離及びグローバルなコンテキスト下での時空間力学を扱うために、グラフ構造化されたメッセージパッシングアーキテクチャを設計する。
提案するST-SHNフレームワークは予測性能を大幅に向上させることができることを示す。
論文 参考訳（メタデータ） (2022-01-07T12:46:50Z) - The effect of differential victim crime reporting on predictive policing
systems [84.86615754515252]
本研究では, 被害者の犯罪報告率の違いが, 共通犯罪ホットスポット予測モデルにおいて, 結果の相違をもたらすことを示す。
以上の結果から, 犯罪報告率の差は, 高犯罪から低犯罪へ, 高犯罪・中犯罪・高報道へ, 予測ホットスポットの移動につながる可能性が示唆された。
論文 参考訳（メタデータ） (2021-01-30T01:57:22Z) - Exploring Spatio-Temporal and Cross-Type Correlations for Crime
Prediction [48.1813701535167]
我々は,都市犯罪のクロスタイプと時間的相関を利用した犯罪予測を行う。
犯罪予測のための相関関係を数学的にモデル化するコヒーレントな枠組みを提案する。
犯罪予測における相関関係の重要性を理解するために、さらなる実験が行われた。
論文 参考訳（メタデータ） (2020-01-20T00:34:53Z) - A Comparative Study on Crime in Denver City Based on Machine Learning
and Data Mining [0.0]
2014年1月から2019年5月まで、アメリカ合衆国デンバー郡の現実の犯罪と事故のデータセットを分析した。
本研究の目的は、法執行機関や政府が予防措置の発見を支援することの見返りとして、発生の傾向を予測し、強調することである。
結果は、トレイン・テストの分割とk倍のクロスバリデーションという2つの一般的なテスト手法を使ってキャプチャされる。
論文 参考訳（メタデータ） (2020-01-09T01:36:11Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。