محمدحسین مرزبان - دانشجوی کارشناسی ارشد گروه مهندسی کامپیوتر، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران،
الهام پروین نیا - استادیار گروه مهندسی کامپیوتر، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران

گسترش جوامع انسانی و بزرگ شدن شهرها، باعث حجم زیاد و رو به افزایش جرم و جنایت شده است. جرایم خشن یک مساله اجتماعی مهم در جوامع امروزی است که بر کیفیت زندگی و پیشرفت اقتصاد جامعه تاثیر گذار است. از این رو دقت بهتر و دقیق تر در پیش بینی نرخ جرایم خشن برای تحلیل گران جرم و کارآگاهان و در کل برای جامعه به منظور پیشگیری و داشتن آمادگی و نیرو و منابع لازم بسیار مهم می باشد. در این تحقیق پیش بینی نرخ جرم براساس مفهوم رگرسیون مبتنی بر سودمندی انجام می شود. از آنجا که تعداد مناطقی که میزان جرم بالا دارند نسبت به سایر مناطق، کمتر می باشند و همچنین در پیش بینی اهمیت بالایی دارند، با استفاده از الگوریتم SmoteR مناطق براساس اهمیتشان بالانس شده اند. میزان وقوع جرم در هر منطقه از میانگین نتایج حاصل از پیش بینی 3 الگوریتم درخت تصادفی، نزدیک ترین همسایه و ماشین بردار پشتیبان محاسبه می گردد. نتایج حاصل از پیاده سازی، برتری حدود 8 درصدی نسبت به تحقیقات پیشین را در پیش بینی نرخ وقوع جرایم خشن نشان می دهد.

پیش بینی جرم، جرایم خشن، داده کاوی، رگرسیون مبتنی بر سودمندی