Resumen

La detección del delito es una de las aplicaciones de investigación más importantes en el aprendizaje automático. Identificar y reducir las tasas de delincuencia es crucial para desarrollar una sociedad saludable. Se aplican técnicas de Big Data para recopilar y analizar datos: determinar las características requeridas y los atributos principales que causan la aparición de puntos calientes de delincuencia. Los algoritmos tradicionales de detección del delito y basados en aprendizaje automático carecen de la capacidad para generar atributos principales clave a partir del conjunto de datos del delito, por lo tanto, a menudo no logran predecir patrones delictivos con éxito. Este artículo tiene como objetivo extraer los atributos principales como zonas horarias, probabilidad de delito y puntos calientes de delincuencia, y realizar un análisis de vulnerabilidad para aumentar la precisión del algoritmo de aprendizaje automático del tema. Implementamos nuestra metodología propuesta utilizando dos conjuntos de datos estándar. Los resultados muestran que el método de generación de características propuesto aumentó el rendimiento de los modelos de aprendiz

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Detección de crímenes; Aprendizaje automático; Atributos principales; Puntos calientes de crimen; Análisis de datos; Precisión
• Keywords:Crime detection; Machine learning; Prime attributes; Crime hotspots; Data analysis; Accuracy