لیلی محمدی - گروه مهندسی کامپیوتر، دانشکده فنی مهندسی، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران /گروه مهندسی کامپیوتر، دانشکده فنی مهندسی، پردیس علوم و تحقیقات کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران.
عدنان نصری - گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران. گروه مهندسی کامپیوتر، واحد صحنه، دانشگاه آزاد اسلامی، صحنه، ایران

هدف اصلی این تحقیق، مطالعه و بررسی روشی مبتنی بر دادهکاوی است که با بکارگیری مجموعه دادههای معتبر واستفاده از ابزارها و الگوریتمهای دادهکاوی بتوان دادههای موجود را تحلیل نموده و الگوهای جرم را بر اساس جایگاهاجتماعی افراد در جامعه )نظیر سن، جنسیت، شغل، تحصیلات و منظقه سکونت( کشف نمود تا بدین طریق نهادهای مربوطه بتواند وقوع جرم را پیش بینی کرده و اقدامات پیشگیرانه لازم را انجام دهند. در این پژوهش، مدلهای هیبریدی وغیرهیبریدی از الگوریتمهای دادهکاوی جهت پیشبینی نوع جرم پیشنهاد میگردد. برای ساخت مدلهای پیشنهادی ازالگوریتمهای درخت تصمیم (J48) و الگوریتمهای فرا یادگیر - Bagging و Decorate استفاده شده است. نتایج ارزیابیها نشان داد مدل هیبریدی Decorate-J48 با دقت 86.8 %، کاپای 0.8247 و میانگین خطای مطلق 0.059 کارایی برتری نسبت به سایر مدلها ارایه میدهد

دادهکاوی، پیشبینی جرم، الگوریتم فرا یادگیر، شبکه عصبی پرسپترن، شبکه بیزین، درخت تصمیم