| Titre : | Prédiction Criminelle par Réseaux de Neurones |
| Auteurs : | YASSINE OURIACHI, Auteur ; Salima Berima, Directeur de thèse |
| Type de document : | Monographie imprimée |
| Editeur : | Biskra [Algérie] : Faculté des Sciences Exactes et des Sciences de la Nature et de la Vie, Université Mohamed Khider, 2021 |
| Format : | 1 vol. (90 p.) / ill. / 29 cm |
| Langues: | Français |
| Mots-clés: | Exploration de données, classification, technique de réseaux de neurones artificiels, crime, criminelle, criminologie environnementale, prédiction, apprentissage, Feed-forward, back propagation. |
| Résumé : | Ce projet vise à utiliser l'une des techniques d'exploration de données, à savoir les réseaux de neurones, pour déterminer si l'incident était un crime ou non.Nous avons appris l'exploration de données, la criminalité et les réseaux de neurones. Création un modèle qui nous permet de former le modèle basé sur des données réelles et de le soumettre à des tests basés sur d'autres données réelles pour validation, et cela a été mis en oeuvre via une application développée sur la base d'un langage de programmation qui fonctionne avec une base de données, et cette application a nous donné des résultats satisfaisants proches de la réalité, ce qui rend ce programme utilisable pour la prédiction criminelle. |
| Sommaire : |
Introduction Générale ............................................................................................................. 12
Chapitre 1 : Data Mining Et Classification ............................................................................... 14 1.1. Introduction ................................................................................................................. 15 1.2. Qu'est-ce que le Data Mining (l’exploration de données) ? ........................................ 15 1.3. L’Objectif de Data Mining ............................................................................................ 15 1.4. Quel avenir pour le Data Mining ? .............................................................................. 16 1.5. Une évolution technologique naturelle ...................................................................... 16 1.6. Méthodologie de mining ............................................................................................. 17 1.6.1. Les composants importants des systèmes Data Mining ..................................... 18 1.6.2. Le Data Mining implique six classes courantes de tâches ................................... 18 1.7. Classification ................................................................................................................ 19 1.7.1. Concepts et Définitions ....................................................................................... 19 1.7.2. L’architecture typique d’une application basée sur la classification ................... 19 1.7.3. Taxonomie de classification ................................................................................ 20 1.7.4. Classification exclusive ........................................................................................ 21 1.7.4.A. Classification non supervisée .................................................................. 21 1.7.4.A.1. Classification ascendante hiérarchique (CAH) ..................................... 21 1.7.4.A.2. Méthode des K-means (Centres mobiles) ............................................ 22 1.7.4.B. Classification supervisée .......................................................................... 23 1.7.5. Classification non exclusive ................................................................................. 23 1.8. Les Algorithmes de Classification ................................................................................ 23 1.8.1. Les Arbres de Décision ......................................................................................... 24 1.8.2. Machines à Vecteurs de Support (SVM) .............................................................. 25 1.8.3. LES k-PLUS PROCHES VOISINS (k-NN) .................................................................. 26 1.8.4. Naïve Bayes ......................................................................................................... 27 1.8.5. RÉSEAUX DE NEURONES ARTIFICIELLES (ANN) .................................................... 28 1.9. Conclusion ................................................................................................................... 30 Chapitre 2 : .............................................................................................................................. 31 Les Crimes ................................................................................................................................ 31 2.1. Introduction ................................................................................................................. 32 2.2. Définition de Crime ..................................................................................................... 32 2.3. Histoire du crime ......................................................................................................... 33 2.4. Types de crime............................................................................................................. 34 2.4.1. Détection de fraude ............................................................................................. 34 6 2.4.2. Crime organisé ..................................................................................................... 34 2.4.3. Crime violent ....................................................................................................... 35 2.4.4. Violence routière ................................................................................................. 35 2.4.5. Agression sexuelle ............................................................................................... 36 2.4.6. Cybercriminalité .................................................................................................. 36 2.5. Techniques de détection de divers crimes .................................................................. 37 2.5.1. Processus de police et méthodes de prévention axés sur la prédiction ............. 37 2.5.2. Variables de la criminalité ................................................................................... 39 2.5.3. Mesure et statistiques ......................................................................................... 40 2.6. Causes et explications de la criminalité....................................................................... 40 2.7. Des données aux patterns ........................................................................................... 41 2.8. Patterns et modèle de police guidé par le renseignement ......................................... 42 2.9. Modèles criminels et Data Mining (exploration de données) ..................................... 42 2.9.1. Criminologie environnementale .......................................................................... 42 2.9.2. Lutte contre la criminalité ................................................................................... 43 2.10. Conclusion ............................................................................................................... 44 Chapitre 3 : .............................................................................................................................. 45 Les Réseaux de Neurones ........................................................................................................ 45 3.1. Introduction ................................................................................................................. 46 3.2. Concept et Définition les Réseaux de Neurones ......................................................... 46 3.2.1. Historique ............................................................................................................ 46 3.2.2. Définition des réseaux de neurones .................................................................... 47 3.2.2.1. Le neurone biologique ................................................................................. 47 3.2.2.2. Le neurone formel (artificiel)....................................................................... 48 3.2.2.3. Correspondance entre neurone biologique et neurone formel.................. 49 3.2.3. Comportement de neurone artificiel .................................................................. 50 3.3. Applications ................................................................................................................. 52 3.3.1. Apprentissage des réseaux de neurones ............................................................. 52 3.3.2 . Les types d’apprentissage des réseaux de neurones .......................................... 54 3.3.2.1. L’apprentissage non supervisé .................................................................... 54 3.3.2.2. Apprentissage par renforcement ................................................................ 54 3.3.2.3. L’apprentissage supervisé ........................................................................... 54 3.4. Architecture des réseaux de neurones........................................................................ 55 3.4.1. Les réseaux de neurones non bouclés................................................................. 55 3.4.2. Les réseaux de neurones bouclés ........................................................................ 56 3.5. Propriétés des réseaux de neurones ........................................................................... 56 7 3.6. Modelés des réseaux de neurones .............................................................................. 57 3.6.1. Perceptron simple ............................................................................................... 57 3.6.2. Modèle de Kohonen (Réseaux auto-organisateur) ............................................. 57 3.6.3. Modèle de Hopfield ............................................................................................. 58 3.6.4. Le perceptron multicouche ................................................................................. 58 3.7. Avantages et Limites ................................................................................................... 58 3.8. Conclusion ................................................................................................................... 60 Chapitre 4 : La Conception ...................................................................................................... 61 4.1. Introduction ................................................................................................................. 62 4.2. L’objectif de ce Travail ................................................................................................. 62 4.3. Conception générale du système ................................................................................ 63 4.4. Conception détaillée du système ................................................................................ 63 4.4.1. Base d’Apprentissage .......................................................................................... 63 4.4.2. Base de Test ......................................................................................................... 63 4.4.3. Paramètres d’Apprentissage ............................................................................... 63 4.5. Prétraitement des données ......................................................................................... 64 4.6. Collectées et Traitées l’Evènement sous forme de Données ...................................... 65 4.7. La Conception Par Algorithme d’Apprentissage .......................................................... 68 4.8. Conception d’un réseau de neurones artificiels .......................................................... 68 4.9. Conclusion ................................................................................................................... 70 Chapitre 5 : L’Implémentation ................................................................................................ 71 5.1. Introduction ................................................................................................................. 72 5.2. Environnement de développement ............................................................................ 72 5.2.1. Outils de développement .................................................................................... 72 5.2.2. Embarcadero® Delphi 10.4 .................................................................................. 72 5.2.3. Les avantages du langage Embarcadero® Delphi ................................................ 73 5.2.4. Les inconvénients du Embarcadero® Delphi ....................................................... 73 5.2.5. Access 2016 ......................................................................................................... 74 5.2.6. Base de Données ................................................................................................. 74 5.3. Les Algorithmes de Prédiction d’un criminel ............................................................... 74 5.3.1. Algorithme de Détection de Crimes .................................................................... 74 5.3.2. Algorithme de prédiction criminelle utilisant le Réseau de Neurones................ 75 5.4. Les Outils Utilisés ......................................................................................................... 77 5.5. Les fenêtres principales de l’application ..................................................................... 77 5.5.1. Fenêtre de démarrage de l’Application ............................................................... 77 5.5.2. Fenêtre d’authentification .................................................................................. 78 8 5.5.3. Fenêtre des Opérations ....................................................................................... 78 5.5.4. Fenêtre de Détection de Crimes .......................................................................... 79 5.5.4.1. La page d’Apprentissage .............................................................................. 79 5.5.4.2. La Page de Tests et validation ..................................................................... 81 5.5.4.3. La Page d’Utilisation .................................................................................... 83 5.5.5. Fenêtre de statistiques de crimes ....................................................................... 84 5.6. Conclusion ................................................................................................................... 85 Conclusion Générale ............................................................................................................... 86 Les Perspectives ...................................................................................................................... 87 Bibliographie ........................................................................................................................... 88 |
| Type de document : | Mémoire master |
Disponibilité (1)
| Cote | Support | Localisation | Statut |
|---|---|---|---|
| MINF/666 | Mémoire master | bibliothèque sciences exactes | Consultable |
