PREDICCIÓN Y VISUALIZACIÓN DE DATOS DEL CRIMEN

Liz Maribel Huancapaza Hilasaca, Ivar Vargas Belizario, Rodolfo Fredy Arpasi Chura

Resumen


La predicción y visualización de datos del crimen, actualmente tienen una notable importancia porque pueden proporcionar información relevante cómo, dónde y cuándo puede suceder un determinado tipo de crimen. Esta información puede ayudar a crear planes anticipados de acción contra el crimen. En ciencia de la computación desde el enfoque de aprendizaje de maquina, la predicción es realizada por medio de propuestas de algoritmos de clasificación supervisada. Por otro lado, la visualización de datos del crimen es aplicada por medio de gráficos, de mapas de calor que ayudan al monitoreo de la actividad criminal. En este trabajo proponemos un método para predecir y visualizar datos reales del crimen. El método propuesto está basado en la transformación del conjunto de datos por medio de la creación de nuevos atributos a partir de atributos existentes. Donde el usuario interactúa mediante la visualización del conjunto de datos para mejorar la calidad de la clasificación. Los resultados iniciales indican una calidad de clasificación alcanzada del 91,00 %. Tareas de interacción del usuario en el proceso de creación de nuevos atributos puede ayudar a mejorar los resultados de clasificación de dados del crimen.

Palabras clave


Predicción, clasificación, visualización, datos del crimen.

Texto completo:

PDF

Referencias


Brandoli, B., Eler, D., Paulovich, F., Minghim, R., & Batista, J. (2010). Visual data exploration to feature space definition. In 2010 23rd SIBGRAPI Conference on Graphics, Patterns and Images, 32–39.

Chae, J., Wang, G., Ahlbrand, B., Gorantla, M. B., Zhang, J., Chen, S., Xu, H., Zhao, J., Hatton, W., Malik, A., Ko, S., & Ebert, D. S. (2015). Visual analytics of heterogeneous data for criminal event analysis vast challenge 2015: Grand challenge. In 2015 IEEE Conference on Visual Analytics Science and Technology (VAST), 149–150.

Nargesian, F., Samulowitz, H., Khurana, U., Khalil, E. B. & Turaga, D. (2017). Learning feature engineering for classification. In Proceedings of the Twenty-Sixth International Joint Conference on Artificial Intelligence, IJCAI-17, 2529–2535.

ISSN 2521-2885 (impresa) ISSN 2616-6666 (en línea) Revista Científica Andina “Science & Humanities” Volumen 1, número 2 (2017)

Gauthier-Villars (1885). Coordonnées parallèles et axiales: Mthode de transformatio ngéométrique et procédé nouveau de calcul graphique déduits de la considération des coordonnées parallèlles.

Gutierrez, D. (2015). Machine Learning and Data Science: An Introduction to Statistical Learning Methods with R. Technics Publications, LLC.

Jayaweera, I., Sajeewa, C., Liyanage, S., Wijewardane, T., Perera, I., & Wi-jayasiri, A. (2015). Crime analytics: Analysis of crimes through news-paper articles. In 2015 Moratuwa Engineering Research Conference (MERCon), 277–282.

Marsland, S. (2014). Machine Learning: An Algorithmic Perspective, (2nd ed.). Chapman & Hall/CRC.

Sathyadevan, S., Devan, M. & Gangadharan, S. (2014). Crime analysis and prediction using data mining. In 2014 First International Conference on Networks Soft Computing (ICNSC2014), 406–412.

Shamsuddin, N. H. M., Ali, N. A., & Alwee, R. (2017). An overview on crime prediction methods. In 2017 6th ICT International Student Project Conference (ICT-ISPC), 1–5.

Vineeth, K. R. S., Pandey, A., & Pradhan, T. (2016). A novel approach for intelligent crime pattern discovery and prediction. In 2016 International Conference on Advanced Communication Control and Computing Technologies (ICACCCT), 531–538.

Wang, D. (2015). Contrast pattern based methods for visualizing and predicting spatiotemporal events. In 2015 IEEE International Conference on Data Mining Workshop (ICDMW), 1560–1567.

Wu, S., Male, J., & Dragut, E. (2017). Spatial-temporal campus crime pattern mining from historical alert messages. In 2017 International Conference on Computing, Networking and Communications (ICNC), 778–782.




DOI: http://dx.doi.org/10.35306/rcaep.v1i2.972

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia


Copyright (c) 2022 Revista Científica Andina Science & Humanities

Flag Counter