Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Analysis of Genetic Algorithm for Effective Power Delivery and with Best Upsurge Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Prediction of Crime Trends Using Mk-MC Technique

verfasst von : B. M. Vidyavathi, D. Neha

Erschienen in: Data Engineering and Intelligent Computing

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Day by day the quantum of data has been increasing not only in terms of user generated content in social media but also outside the social media, due to which the data has gone from scarce to superabundant that conveys new advantages to users. This explosion of data has made it difficult to handle and analyze huge datasets. Therefore, the techniques of Data Mining assist in exploring and analyzing enormous datasets and helps in discovering meaningful patterns. Clustering is one such task of Data Mining that gathers all the data and partitions it into various groups taking into account their similarity or closeness measure. Clustering in the field of Social Science is used in identification, analysis and detection of various crime patterns. This paper proposes the Modified k-means clustering technique which is applied on the fictitious crime data in order to identify various crime patterns or trends and make a variety of predictions from the analysis of different crime patterns.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Parameter Estimation of Software Reliability Model Using Firefly Optimization
Nächstes Kapitel A Novel Map-Reduce Based Augmented Clustering Algorithm for Big Text Datasets
Literatur
1.
Vidyavathi, B.M., Neha, D.: A survey on applications of data mining using clustering techniques. Int. J. Comput. Appl. 126(2), 7–12 (2015). (0975-8887)
2.
Haiyang, Z.: A Short Introduction to Data Mining and Its Applications. IEEE (2011)
3.
Arora, S., Chana, I.: A survey of clustering techniques for big data analysis, IEEE. In: 5th International Conference Confluence The Next Generation Information Technology Summit (Confluence), pp. 59–65 (2014)
4.
Malathi, A., Baboo, S.S.: Evolving data mining algorithms on the prevailing crime Trend—An intelligent crime prediction model. Int. J. Sci. Eng. Res. 2(6), 1–6 (2011)
5.
Malathi, A., Baboo, S.S.: An enhanced algorithm to predict future crime using data mining. Int. J. Comput. Appl. 21(1), 1–6 (2011)
6.
Ramzan Begam, M., Sengottuvelan, P., Ramani, T.: Survey: tools and techniques implemented in crime data sets. IJISET—Int. J. Innov. Sci. Eng. Technol. 2(6), 707–710 (2015)
7.
Agarwal, J., Nagpal, R., Sehgal, R.: Crime analysis using k-means clustering. Int. J. Comput. Appl. 83(4), 1–4 (2013)
8.
Na, S., Xumin, L., yong, G.: Research on k-means Clustering Algorithm-An improved k-means Clustering Algorithm. In: IEEE Third International Symposium on Intelligent Information Technology and Security Informatics, pp. 63–67 (2010)
9.
Zhang, C., Shixiong, X.: k-means clustering algorithm with improved initial center. In: IEEE, Second International Workshop on Knowledge Discovery and Data Mining, pp. 790–792 (2009)
10.
Kumar, Y., Sahoo, G.: A new initialization method to originate initial cluster centres for k-means algorithm. Int. J Adv. Sci. Technol. 62, 43–54 (2014)CrossRef
Metadaten
Titel
Prediction of Crime Trends Using Mk-MC Technique
verfasst von
B. M. Vidyavathi
D. Neha
Copyright-Jahr
2018
Verlag
Springer Singapore
Buch
Data Engineering and Intelligent Computing

Print ISBN: 978-981-10-3222-6

Electronic ISBN: 978-981-10-3223-3

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-981-10-3223-3_40