Servicios Personalizados
Revista
Articulo
Indicadores
- Citado por SciELO
- Accesos
Links relacionados
- Similares en SciELO
Compartir
Journal of applied research and technology
versión On-line ISSN 2448-6736versión impresa ISSN 1665-6423
Resumen
GODOY-CALDERON, S.; CALVO, H.; MARTINEZ-HERNANDEZ, V. M. y MORENO-ARMENDARIZ, M. A.. The CR-Ω+ Classification Algorithm for Spatio-Temporal Prediction of Criminal Activity. J. appl. res. technol [online]. 2010, vol.8, n.1, pp.5-23. ISSN 2448-6736.
Presentamos un modelo de predicción espacio-temporal que permite la predicción de la actividad criminal dentro de la región estudiada usando clasificación supervisada. El grado de pertenencia de cada patrón es interpretado como el incremento o decremento previsto de la actividad criminal para un tiempo y lugar específico. El modelo propuesto de predicción CR-Ω+ está basado en la familia de los algoritmos Lógico-Combinatorios Kora-Ω para clasificación supervisada. Estos operan sobre volúmenes grandes de datos obtenidos a partir de fuentes heterogéneas de información, con un proceso inductivo de aprendizaje. Proponemos diversas modificaciones al algoritmo original de Bongard, así como el de Baskakova y Zhuravlëv, las cuales mejoran el desempeño de la predicción en el conjunto de datos estudiados de actividad criminal. Realizamos dos análisis: predicción puntual y análisis de tendencias, los cuales muestran que es posible predecir puntualmente uno de cuatro crímenes a ser perpetrados (por familia del crimen) en un tiempo y espacio específicos, así como un 66% de predicción del lugar del crimen, a pesar del ruido en el conjunto de datos de entrada. El análisis de tendencias dio como resultado un RMSE Espacio-Temporal (STRMSE) menor a 1.0.
Palabras llave : Logical-combinatorial pattern recognition; forecasting models; supervised classification; crime analysis.