Abstract
Forensic examination of sharps injuries in forensic practice has a special place, since it is connected, as a rule, with crimes against the life and health of citizens. Relevance of the issue for the study of the possible presence of certain correlations between the various elements of criminalistic characteristics of crime is that currently there are only a few attempts to use it for this forensic data. Aim. To identify the objectification of the perpetrator from the available forensic data of a victim. Methods and results. 849 cases of murders with a sharp object in Kiev were studied; results were processed by methods of variation statistics. It was found that clustering can be used in the analysis as a first step simplification of data and offers a very brief way to describe these classes of cases as a taxonomic formula. Conclusion. This indicates that there is an opportunity to find statistical relationships between descriptors (indices) of the crime and the criminal.
Highlights
Судово-медична експертиза ушкоджень гострими предметами в судово-медичній практиці посідає особливе місце
Relevance of the issue for the study of the possible presence of certain correlations between the various elements of criminalistic characteristics of crime is that currently there are only a few attempts to use it for this forensic data
Кластеризація – це поділ безлічі даних на кластери, параметри яких заздалегідь невідомі; кількість кластерів може бути довільною або фіксованою
Summary
Застосування кластеризації на різних рівнях КХЗ, виділення класів (таксонів) та їхній опис для наступного пошуку статистичних зв’язків між дескрипторами злочину та злочинця. Оскільки класифікація систематизує об’єкти за заздалегідь визначеними групами, для побудови оптимального поділу об’єктів на групи зробимо кластеризацію Кластеризація – це поділ безлічі даних на кластери, параметри яких заздалегідь невідомі; кількість кластерів може бути довільною або фіксованою. Кластеризацію можна визначити як процес об’єднання даних у групи за схожими ознаками. Оскільки кластеризація розподіляє безліч об’єктів на групи, які визначаються тільки її результатом, оптимальність може бути визначена як вимога мінімізації середньоквадратичної помилки розподілу: e2(X,L) =. У нашому випадку використовуватимемо кластеризацію для спрощення опрацювання даних і розуміння структури множини об’єктів. Також можливе виділення нетипових об’єктів, що не відповідають ознакам жодного з кластерів. У другому важливіше забезпечити високий ступінь подібності об’єктів усередині кожного кластера, а кластерів може бути скільки завгодно. У загальному вигляді кластеризація включає етапи виділення характеристик, визначення метрики, поділ об’єктів на групи та наведення результатів У загальному вигляді кластеризація включає етапи виділення характеристик, визначення метрики, поділ об’єктів на групи та наведення результатів (рис. 1)
Sign-in/Register to view highlights & summary Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a callDisclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.
