Abstract

The article describes the approaches to the construction of educational information and expert system classification of the offender, as a tool for the analysis of murders with sharp objects. We have installed and tested an algorithm sequential diagnostic procedure based on the use of Bayes’ formula, as one of the possible technologies including Data Mining. In the future it will be used for the construction of information and training expert system, which is known for filling elements of criminalistics characterization of crime, will be obtained characteristics (sex, age) of the criminal with a certain statistical confidence. This information and training expert system will be developed in the PHP programming language with the user interface, and will be used in the educational process at the department of forensic medicine, and in the future and make a difference in the practical work of the forensic experts, especially during examinations in cases of violent death with a sharp object.

Highlights

  • Опис злочину за ознаками проводився за допомогою введеної нами таксономічної формули [4], при цьому, збільшення числа атрибутів призводить до збільшення діапазону пошуку

  • Було наведене обґрунтування того, що на сьогоднішній день для побудови інформаційно-навчальної експертної

Read more

Summary

СМЕРТІ ВІД ПОРАНЕНЬ ГОСТРИМИ ПРЕДМЕТАМИ

Метою даної роботи було визначення методом Кульбака найбільш інформативних ознак при вбивствах з використанням гострих предметів (у місті Києві) та побудова таблиці діагностичних коефіцієнтів для визначення класу об’єкта на прикладі ознаки статі злочинця, як однієї зі складових криміналістичної характеристики злочину. Вище наведену нерівність (1) можна зобразити інакше, оскільки його складові являють собою діагностичні коефіцієнти відповідних діапазонів відповідних ознак (2): Послідовну процедуру визначення величини діагностичних ознак, відшукування відповідних їм діагностичних коефіцієнтів та їх підсумовування продовжують, поки правильна нерівність (2), а коли воно стає невірним (тобто, коли досягнутий або перевищений один з порогів), послідовну процедуру розпізнавання переривають і виносять то чи інше рішення, залежно від того, який з порогів досягнутий. При використанні послідовної діагностичної процедури, зручною мірою для оцінки інформативності ознак є міра Кульбака, яка дозволяє оцінити не вірогідність відмінностей між розподілами, а ступінь цих відмінностей [10]. Питання про поріг інформативності для остаточного відбору ознак вирішується на етапі перевірки діагностичної таблиці по основній і контрольній вибірці з бази даних

День тижня
Кількість випадків правильні помилкові невизначені
Відповіді помилкові
Findings
SHARP OBJECT
Full Text
Published version (Free)

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 call