متین بختیاری رمضانی - دانشجوی کارشناسی ارشد مدیریت فناوری اطلاعات، دانشگاه پیام نور واحد تهران غرب
امیرهوشنگ تاج فر - عضو هیئت علمی دانشگاه پیام نور
محمدمهدی پرهیزگار - عضو هیئت علمی دانشگاه پیام نور

در این مقاله، با بکارگیری داده های بانک اطلاعاتی موادمخدر پلیس، مدلی از داده کاوی ارائه کرده ایم که بتواند الگوهای نهان و جالب را در پرونده دستگیرشدگان مواد مخدر مکشوفه شناسایی نماید. در این تحقیق سعی شده است داده های عملیاتی پلیس به منظور کشف دانش در روابط نهفته میان خصوصیات فردی دستگیرشدگان با نوع ماده مخدر مکشوفه به طور کامل تحلیل شود، تا با بکارگیری بهینه افسران پلیس و ایجاد آرایش نظامی مناسب، فرصت های ارتکابی جرم در حوزه کشفیات مواد مخدر کاهش یابد. در مدل ارائه شده، از الگوریتم های درخت تصمیم، شبکه های بیزین و بردار پشتیبان تصمیم برای استخراج الگوها از پایگاه داده مواد مخدر پلیس استفاده کرده ایم. گردآوری داده ها نیز به دو روش مشاهده و مصاحبه انجام شده است، به طوری که برای دستیابی به اطلاعات پرونده دستگیرشدگان از پایگاه داده موجود از روش مشاهده و برای شناسایی متغیر های تاثیرگذار و شناخت اصطلاحات کلامی و مفهومی مربوط به هر یک از متغیرها و یا حوزه ها از مصاحبه آزاد با خبرگان پلیس استفاده شده است. در این تحقیق، در ابتدا مجموعه داده ها را با استفاده از نرم افزار 10gOracle Databaseآماده سازی کردیم سپس برای استخراج قواعد پنهان میان داده ها از نرم افزار 12 Clementine استفاده کردیم. در ادامه نیز با مقایسه مدلهای استفاده شده در پژوهش، قوانینی را که از درصد صحت و دقت بالاتری برخوردار بودند را با تایید و نظر خبر گان پلیس استخراج نمودیم. همچنین در این مقاله، با شرح گزارش های چندوجهی از سیستم پلیس مواد مخدر، افزایش پتانسیل کشف جرم جهت کاهش فرصت ارتکاب جرایم به ارائه پیشنهاداتی برای آتی پرداخته ایم

انواع مواد مخدر، خصوصیات دستگیرشدگان، تکنیک های داده کاوی، سازمان پلیس