Método de clustering e inteligencia artificial para clasificar y proyectar delitos violentos en Colombia
DOI:
https://doi.org/10.21830/19006586.1117Palabras clave:
análisis de clúster, delitos violentos, inteligencia artificial, modelo de simulación, redes neuronales, violenciaResumen
El objetivo de esta investigación es proponer clústeres de delitos violentos en Colombia por departamentos junto con una estructura de redes neuronales para su clasificación y pronóstico. Para ello, se parte del análisis del método de clustering, la inteligencia artificial y la definición de delitos violentos. Con un método explicativo cuantitativo, se partió de los datos generados por la Policía Nacional sobre delitos entre 2018 y 2022. Como resultado, se establecieron cuatro clústeres de delitos y factores de violencia que caracterizan grupos de departamentos, lo que permitió identificar regiones con mayor y menor impacto de actos delictivos. Luego se planteó una red neuronal de doble capa que alcanzó una capacidad de clasificación y predicción de 97,7 % para los delitos según su tipo e impacto, lo cual espera servir como herramienta para la prevención de delitos.
Descargas
Referencias bibliográficas
Aguilar, A., & Contreras, M. (2018). Caracterización de los delitos en Cartagena mediante la aplicación de minería de datos [tesis doctoral, Universidad Tecnológica de Bolívar]. https://biblioteca.utb.edu.co/notas/tesis/0074619.pdf
Aguirre Yacup, N., Walteros Alcázar, M., & Noguera Pérez, Y. (2018). Identificación de patrones delictivos en Colombia durante el periodo 2010-2016 mediante el uso de técnicas de minería de datos. Encuentro Internacional de Educación en Ingeniería Acofi 2018. https://acofipapers.org/index.php/eiei/article/view/435
Azis, N., Ali, Y., Subekti, R., Junianto, P., Diner, L., Suhendra, S., Aisyah, S., & Windarto, A. P. (2021, febrero). Mapping study using the unsupervised learning clustering approach. IOP Conference Series: Materials Science and Engineering, 1088(1), p. 012005. https://doi.org/10.1088/1757-899X/1088/1/012005
Bravo, M., Artega, H., Tabares, K., Padilla, I., & Orozco, S. (2021). Cervical cancer classification using convolutional neural networks, transfer learning and data augmentation. Revista EIA, 18(35), 100-111. https://doi.org/10.24050/reia.v18i35.1462
Butt, U., Letchmunan, S., Hassan, F., Ali, M., Baqir, A., Koh, T., & Sherazi, H. (2021). Spatio-temporal crime predictions by leveraging artificial intelligence for citizens security in smart cities. IEEE Access, 9, 47516-47529. https://doi.org/10.1109/ACCESS.2021.3068306
Chang, D. F., & Chen, C. C. (2018). Cluster analysis for student performance in PISA2015 among OECD economies. ICIC Express Letters, Part B, Applications: An International Journal of Research and Surveys, 9(11), 1139-1146. https://doi.org/10.24507/icicelb.09.11.1139
Chen, T., Qiang, Y., Tang, C., Wang, Z., Luo, P., & Peng, L. (2020). Malicious behaviour identification for Android based on an RBF neural network. International Journal of Security and Networks, 15(3), 148-154. http://dx.doi.org/10.1504/IJSN.2020.109706
Cumba-Armijos, P., Riofrío-Luzcando, D., Rodríguez-Arboleda, V., & Carrión-Jumbo, J. (2022). Detecting cyberbullying in Spanish texts through deep learning techniques. International Journal of Data Mining, Modelling and Management, 14(3), 234-247.
Dai, Z. (2020). Research on network intrusion detection security based on improved extreme learning algorithms and neural network algorithms. International Journal of Biometrics, 12(1), 56-66.
Das, P., Das, A., Nayak, J., Pelusi, D., & Ding, W. (2021). Group incremental adaptive clustering based on neural network and rough set theory for crime report categorization. Neurocomputing, 459, 465-480. https://doi.org/10.1016/j.neucom.2019.10.109
Datosmacro. (2021). Índice de Gini 2021 [página web]. https://bit.ly/41UJ297
De la Hoz-Domínguez, E., Fontalvo, T., & Fontalvo, O. (2021). Methodology of classification, forecast and prediction of healthcare providers accredited in high quality in Colombia. International Journal of Productivity and Quality Management, 33(1), 1-20. https://doi.org/10.1504/IJPQM.2021.115290
Deepak, G., Rooban, S., & Santhanavijayan, A. (2021). A knowledge centric hybridized approach for crime classification incorporating deep bi-LSTM neural network. Multimedia Tools and Applications, 80(18), 28061-28085. https://doi.org/10.1007/s11042-021-11050-4.
Departamento Administrativo Nacional de Estadística (DANE). (2021, 3 de noviembre). Encuesta de Convivencia y Seguridad Ciudadana (ECSC). Victimización 2020 y percepciones 2021 [rueda de prensa, video]. YouTube. https://bit.ly/45hMNZn
Duffield, M. (2020). Seguridad humana: vincular desarrollo y seguridad en una era de terror. Relaciones Internacionales, 43, 11-32. https://doi.org/kbst
Fontalvo, T, De la Hoz-Domínguez, E., & Fontalvo, O. (2021). Assessing and forecasting method of financial efficiency in a free industrial economic zone. International Journal of Productivity and Quality Management, 33(2), 253-270. https://doi.org/10.1504/IJPQM.2021.115694
Fontalvo, T., De la Hoz, E., & Mendoza, A.. (2018). Aplicación de minería de datos para la clasificación de programas universitarios de Ingeniería Industrial acreditados en alta calidad en Colombia. Información Tecnológica, 29(3), 89-96. http://dx.doi.org/10.4067/S0718-07642018000300089
George, S., Pai, M., Pai, R., & Praharaj, S. (2019). Visual cues-based deception detection using two-class neural network. International Journal of Computational Vision and Robotics, 9(2), 132-151. https://doi.org/10.1504/IJCVR.2019.098796
Gratius, S., & Rodríguez Pinzón, E. (2021). Entre seguridad humana y estatal: ¿ofrece la Unión Europea una respuesta coherente a los desafíos de seguridad en Centroamérica, Colombia y Venezuela? Colombia Internacional, 105, 117-145. https://doi.org/10.7440/colombiaint105.2021.05
Hajela, G., Chawla, M., & Rasool, A. (2020). A clustering based hotspot identification approach for crime prediction. Procedia Computer Science, 167, 1462-1470. https://doi.org/10.1016/j.procs.2020.03.357
Incio Flores, F., Capuñay Sánchez, D., Estela Urbina, R., Delgado Soto, J., & Vergara Medrano, S.. (2021). Diseño e implementación de una red neuronal artificial para predecir el rendimiento académico en estudiantes de Ingeniería Civil de la UNIFSLB. Veritas et Scientia, 10(1), 107-117. https://doi.org/10.47796/ves.v10i1.464
Jami, H., & Gore, S. (2019). Use of data envelopment analysis for clustering of decision making units. Italian Journal of Pure and Applied Mathematics, 42, 575-587.
Kahhat, F. (2019). Seguridad internacional: una introducción crítica. Fondo Editorial de la PUCP.
Khan, A. I., & Wani, M. A. (2019). A common convolutional neural network model to classify plain, rolled and latent fingerprints. International Journal of Biometrics, 11(3), 257-273. https://doi.org/10.1504/IJBM.2019.100843
Kwon, E., Jung, S., & Lee, J. (2021). Artificial neural network model development to predict theft types in consideration of environmental factors. ISPRS International Journal of Geo-Information, 10(2), 99. https://doi.org/10.3390/ijgi10020099
Ley 599. (2000, 24 de julio). Por la cual se expide el Código Penal. Congreso de la República de Colombia. Diario Oficial 44097. Imprenta Nacional. https://bit.ly/3S9XjLn
Magalhães, C. (2022). El concepto de violencia en psicología social: una revisión de la literatura. Logos & Culturas, 2(1), 58-78.
Niño, C. (2020). Seguridad ciudadana en América Latina: gobernanzas criminales y dimensiones de la violencia. En F. Sánchez & N. Liendo (Eds.), Manual de ciencia política y relaciones internacionales (pp 207-230). Universidad Sergio Arboleda.. https://doi.org/10.22518/book/9789585511972/ch08
Ordóñez, H., Cobos, C., & Bucheli, V. (2020). Modelo de machine learning para la predicción de las tendencias de hurto en Colombia. Revista Ibérica de Sistemas e Tecnologias de Informação, E29(5), 494-506. https://bit.ly/3MsGcCP
Organización para la Cooperación y el Desarrollo Económicos (OECD). (2021). How’s life? Well-Being [estadísticas]. OECD Stats. https://stats.oecd.org/#
Palacio Chaves, J. E. (2020). Influencia de la criminalidad sobre el crecimiento económico y la producción agrícola en Colombia durante 2010-2018. https://repository.unab.edu.co/handle/20.500.12749/12193
Policía Nacional de Colombia. (2022). Estadística delictiva [estadísticas]. https://bit.ly/3S1efUL
Qi, X., Chen, G., Li, Y., Cheng, X., & Li, C. (2019). Applying neural-network-based machine learning to additive manufacturing: Current applications, challenges, and future perspectives. Engineering, 5(4), 721-729. https://doi.org/10.1016/j.eng.2019.04.012
Rodríguez Pinzón, E. M., & Rodrigues, T. (2020). “Mano dura” y democracia en América Latina: seguridad pública, violencia y estado de derecho. América Latina Hoy, 84. https://doi.org/10.14201/alh.21156
Sánchez Pirazán, M. C. (2020). Factores determinantes de la violencia en Colombia y posibles vías de mejora [tesis de pregrado, Universidad de los Andes]. http://hdl.handle.net/1992/44477
Shermila, A. M., Bellarmine, A. B., & Santiago, N. (2018, May). Crime data analysis and prediction of perpetrator identity using machine learning approach. En 2nd International Conference on Trends in Electronics and Informatics (ICOEI) (pp. 107-114). IEEE. https://doi.org/10.1109/ICOEI.2018.8553904
Sukhija, K., Singh, S. N., Kumar, M., & Mehrotra, D. (2022). Spatial and temporal trends reveal hotspot identification of crimes using machine learning approach. International Journal of Computational Science and Engineering, 25(2), 174-185. https://doi.org/10.1504/IJCSE.2022.122214
Suruliandi, A., David, H. B., & Raja, S. P. (2019). Preventing crimes ahead of time by predicting crime propensity in released prisoners using data mining techniques. International Journal of Applied Decision Sciences, 12(3), 307-336. https://doi.org/10.1504/IJADS.2019.100433
Valencia Martínez, J. J. (2018). Factores sociales que han incidido negativamente en la seguridad ciudadana de Santiago de Cali durante los últimos 20 años [tesis, Especialización en Administración de Seguridad, Universidad Militar Nueva Granada, Bogotá]. RI UMNG. http://hdl.handle.net/10654/21132
Walteros, M., Aguirre, N., Castillo, S., & Caicedo, P. (2021). General crime from the data mining point of view. A systematic literature review. International Journal of Business Intelligence and Data Mining, 19(3), 371-393. https://doi.org/10.1504/IJBIDM.2021.118186
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2023 Revista Científica General José María Córdova
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
| Estadísticas de artículo | |
|---|---|
| Vistas de resúmenes | |
| Vistas de PDF | |
| Descargas de PDF | |
| Vistas de HTML | |
| Otras vistas | |
