論文の概要: Crime Prediction Using Multiple-ANFIS Architecture and Spatiotemporal Data

• arxiv url: http://arxiv.org/abs/2011.05805v1
• Date: Sat, 7 Nov 2020 19:57:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-28 22:52:51.741866
• Title: Crime Prediction Using Multiple-ANFIS Architecture and Spatiotemporal Data
• Title（参考訳）: 複数のANFISアーキテクチャと時空間データを用いた犯罪予測
• Authors: Mashnoon Islam, Redwanul Karim, Kalyan Roy, Saif Mahmood, Sadat Hossain, M. Rashedur Rahman
• Abstract要約: 我々はいくつかのファジィ推論システム (FIS) と適応型ニューロファジィ推論システム (ANFIS) を用いて、特定の場所や時間に起こりやすい犯罪の種類を予測する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Statistical values alone cannot bring the whole scenario of crime occurrences in the city of Dhaka. We need a better way to use these statistical values to predict crime occurrences and make the city a safer place to live. Proper decision-making for the future is key in reducing the rate of criminal offenses in an area or a city. If the law enforcement bodies can allocate their resources efficiently for the future, the rate of crime in Dhaka can be brought down to a minimum. In this work, we have made an initiative to provide an effective tool with which law enforcement officials and detectives can predict crime occurrences ahead of time and take better decisions easily and quickly. We have used several Fuzzy Inference Systems (FIS) and Adaptive Neuro-Fuzzy Inference Systems (ANFIS) to predict the type of crime that is highly likely to occur at a certain place and time.
• Abstract（参考訳）: 統計値だけではダッカ市で起きた犯罪のシナリオ全体をもたらすことはできない。 これらの統計値を使って犯罪の発生を予測し、街をより安全な居住地にするより良い方法が必要です。 将来の適切な意思決定は、地域や都市における犯罪率を下げる上で鍵となる。 法執行機関が将来の資源を効率的に配分できれば、ダッカの犯罪率は最小限に抑えることができる。 本研究は,法執行機関の職員や刑事が犯罪発生を事前に予測し,迅速かつ迅速に判断できる効果的なツールを提供することを目的としている。 我々はいくつかのファジィ推論システム (FIS) と適応型ニューロファジィ推論システム (ANFIS) を用いて、特定の場所や時間に起こりやすい犯罪の種類を予測する。

関連論文リスト

• Uncertainty Quantification for Image-based Traffic Prediction across Cities [63.136794104678025]
  不確実量化(UQ)法は確率論的推論を誘導するためのアプローチを提供する。 複数の都市にまたがる大規模画像ベース交通データセットへの適用について検討する。 モスクワ市を事例として,交通行動に対する時間的・空間的影響を考察した。
  論文  参考訳（メタデータ） (2023-08-11T13:35:52Z)
• 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)
• 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)
• Belief Rule Based Expert System to Identify the Crime Zones [0.0]
  本稿では,犯罪帯の特定に焦点をあて,犯罪ホットスポットの頻繁なパターンを生成するために,Belief Rule Baseアルゴリズムをどのように実行したかを明らかにする。 また,本論文では,潜在的な犯罪の予測に専門家システムをどのように利用したかを示した。
  論文  参考訳（メタデータ） (2020-05-10T04:07:38Z)
• Crime Prediction Using Spatio-Temporal Data [8.50468505606714]
  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。
  論文  参考訳（メタデータ） (2020-03-11T16:19:19Z)
• 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)

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。