Перегляд за Автор "Uzlov, D. J."
Зараз показуємо 1 - 4 з 4
Результатів на сторінці
Налаштування сортування
Документ Using data mining for intelligence-led policing and crime analysis(5th International Scientific-Practical Conference Problems of Infocommunications Science and Technology (PIC S&T`2018), 2018-10) Uzlov, D. J.; Strukov, V. M.; Vlasov, O. V.; http://orcid.org/0000-0003-4722-3159This article is devoted to a review and perspectives of using Data Mining methods in the work of criminal analysts in the national police by the process of developing and implementing proactive police activities for the prevention and investigation crimes. It also describes data mining tools for improving the effectiveness of information-analytical work of the law-enforcement agencies through the creation of automated intelligent technological tools. The operative part of the article outlines the basic principles, models and technologies that specialized software is used to support the analytical work of criminal analysts. Ця стаття присвячена огляду та перспективам використання методів Data Mining у роботі кримінальних аналітиків у Національній поліції шляхом розробки та впровадження проактивної діяльності поліції щодо запобігання та розслідування злочинів. Описуються інструменти розробки даних для підвищення ефективності інформаційно-аналітичної роботи правоохоронних органів шляхом створення автоматизованих інтелектуальних технологічних інструментів. В основній частині статті викладені базові принципи, моделі та технології, спеціалізоване програмне забезпечення, які використовується для підтримки аналітичної роботи кримінальних аналітиків. Данная статья посвящена обзору и перспективам использования методов Data Mining в работе криминальных аналитиков в Национальной полиции при разработке и реализации упреждающих действий полиции по предупреждению и расследованию преступлений. Описаны инструменты интеллектуального анализа данных для повышения эффективности информационно-аналитической работы правоохранительных органов за счет создания автоматизированных интеллектуальных технологических инструментов. В основной части статьи изложены базовые принципы, модели и технологии, используемые специализированным программным обеспечением для поддержки аналитической работы криминалистов.Документ Web-based protected geoinformation system of criminal analysis (RICAS) for analytical support for crimes investigation(4th International Scientific-Practical Conference Problems of Infocommunications. Science and Technology (PIC S&T`2017) (Kharkiv, Ukraine, 10-13 oct. 2017). - Kharkiv, 2017. - P. 508-511, 2017) Uzlov, D. J.; Узлов, Д. Ю.; ORCID: http://orcid.org/0000-0003-3308-424X; Strukov, V. M.; Струков, В. М.; ORCID: http://orcid.org/0000-0003-4722-3159У роботі розглянута проблема застосування веб-орієнтованих геоінформаційних інструментаріїв для підвищення ефективності інформаційно-аналітичної роботи в органах внутрішніх справ. Виконано огляд зарубіжних аналогів. В якості вирішення запропонована розроблена веб-орієнтована захищена геоінформаційна система кримінального аналізу - RICAS для аналітичного супроводу розслідування злочинів. Описано її призначення, функціональні можливості, особливості реалізації, переваги в порівнянні з існуючими аналогами та новизна.Документ Задача оценки близости многомерных объектов анализа данных(Управляющие системы и машины. - 2016. - № 6. - С. 67-72, 2016-12) Бодянский, Е. В.; Струков, В. М.; Узлов, Д. Ю.; Bodyanskiy, Ye. V.; Strukov, V. M.; Uzlov, D. J.; Бодянський, Є. В.; Струков, В. М.; Узлов, Д. Ю.; http://orcid.org/0000-0003-4722-3159Стаття присвячена проблемі оцінки близькості багатовимірних об’єктів, признаки яких вимірюються в різних шкалах, а оброблювані дані мають велику розмірність і в силу різних причин мають пропуски. Запропонований спосіб оцінки близькості таких об’єктів, який дозволяє будувати алгоритми кластеризації, класифікації і асоціації з її використанням та застосовувати при цьому класичні методи. The article is devoted to the problem of proximity estimation of multidimensional objects with different measurement scales properties but processing data are big data and have omissions. The way of such objects proximity estimation is proposed, which enables to build algorithms of clustering, classification and association applying classic methods. Статья посвящена проблеме оценки близости многомерных объектов, признаки которых измеряются в разных шкалах, а обрабатываемые данные имеют большую размерность и в силу различных причин содержат пропуски. Предложен способ оценки близости таких объектов, который позволяет строить алгоритмы кластеризации, классификации и ассоциации, основанные на ней, с использованием классических методов.Документ Обобщенная метрика в пространстве многомерных объектов с разнотипными признаками(Збірник наукових праць Харківського національного університету Повітряних Сил. - Випуск 3(52). - 2017. - С. 98-101, 2017) Бодянский, Е. В.; Струков, В. М.; Узлов, Д. Ю.; Bodyanskiy, Ye. V.; Strukov, V. M.; Uzlov, D. J.; Бодянський, Є. В.; Струков, В. М.; Узлов, Д. Ю.; http://orcid.org/0000-0003-4722-3159Робота присвячена задачі оцінки близькості багатовимірних об'єктів, ознаки яких вимірюються в різних шкалах, а оброблювані дані мають велику розмірність і містять специфічні текстові поля і прогалини. До даних з такими специфічними особливостями неможливо безпосередньо застосовувати класичні алгоритми кластеризації та класифікації. Запропоновано узагальнену метрику в багатовимірному просторі таких об'єктів, яка дозволяє будувати алгоритми кластеризації, класифікації та асоціації, засновані на ній, з використанням класичних методів. The work is devoted to the problem of evaluating the proximity of multidimensional objects, the characteristics of which are measured in different scales, and the data being processed are of large dimension and contain specific text fields and omissions. Data with such specific features can not be directly processed with the classical algorithms of clustering and classification. A generalized metric is proposed in the multidimensional space of such objects, which makes it possible to build algorithms for clustering, classifications and associations based on it, using classical methods. Работа посвящена задаче оценки близости многомерных объектов, признаки которых измеряются в разных шкалах, а обрабатываемые данные имеют большую размерность и содержат специфические текстовые поля и пропуски. К данным с такими специфическими особенностями не применимы непосредственно классические алгоритмы кластеризации и классификации. Предложена обобщенная метрика в многомерном пространстве таких объектов, которая позволяет строить алгоритмы кластеризации, классификации и ассоциации, основанные на ней, с использованием классических методов.