| Autor(en): |
Stephan Stahlschmidt |
Titel: |
Graphical Modelling and Statistical Learning for Sex-related Homicides |
| Gutachter: |
Wolfgang Härdle |
| Erscheinungsdatum: |
14.10.2011 |
| Volltext: |
pdf
(urn:nbn:de:kobv:11-100194514)
|
| Schlagwörter (eng): |
Bayesian Networks, Statistical Learning, Offender Profiling |
| Einrichtung: |
Humboldt-Universität zu Berlin, Wirtschaftswissenschaftliche Fakultät |
| Zitationshinweis: |
Stahlschmidt, Stephan:
Graphical Modelling and Statistical Learning for Sex-related Homicides;
Masterarbeit,
Humboldt-Universität zu Berlin, Wirtschaftswissenschaftliche Fakultät , publiziert am 14.10.2011, urn:nbn:de:kobv:11-100194514
|
Metadatenexport:
 Um
den gesamten Metadatensatz im Endnote- oder
Bibtex-Format zu speichern,
klicken Sie bitte auf den entsprechenden Link.
|
Endnote
Bibtex
|
| print on demand:
Wenn
Sie auf dieses Icon klicken, können Sie
ein Druckexemplar dieser Publikation bestellen.
|
|
| Diese Seite taggen:
Diese
Icons führen auf so genannte Social-Bookmark-Systeme, auf denen Sie
Lesezeichen anlegen, persönliche Tags vergeben und Lesezeichen anderer Nutzer
ansehen können.
|
|
| Abstract (eng): |
| We present a twofold analysis in the domain of sex-related homicides. Police profilers often help in criminal investigation of high profile cases, but empirical evidence in the domain is incomplete. We therefore at first apply a structural learning approach and secondly,
try explicitly to predict the age of an unknown offender from information obtained from the crime scene.
We apply graphical modelling to obtain a factorisation of the probability function which governs the domain. This factorisation allows
us to infer dependencies and independencies between the variables and therefore describes the domain. We apply several structure learning
algorithms for Bayesian Networks and combine them to a final graphical model. In the second part, we compare several prediction techniques concerning their error rate in predicting the offender's age.
The graphical model broadly presents a distinction between an offender and a situation driven crime. A situation driven crime may be
characterised by an offender lacking preparation and typically attacking a known victim in familiar surroundings. The offender tends to
apply blunt force to gain control over the victim and does not show a high level of forensic awareness. In contrast offender driven crimes may
be identified by the high level of forensic awareness demonstrated by the offender and the sophisticated measures applied to control the victim. Furthermore the graphical model indicates that these offenders are more likely to attack an unknown victim in unfamiliar surroundings
and prepare their attack.
Applying several prediction techniques to the date results in a significant decrease in the root mean square error, if compared with a
simple baseline model. However the actual performance of the best model, namely the lasso, is still not applicable in criminal investigation,
as it its average error of 8 years is too high. |
Zugriffsstatistik:
Die Daten für die Zugriffsstatistik der einzelnen Dokumente
wurden aus den durch AWStats aggregierten Webserver-Logs erstellt.
Sie beziehen sich auf den monatlichen Zugriff auf den Volltext sowie
auf die Startseite. Die Zugriffsstatistik wird nicht standardisiert erfasst und kann maschinelle Zugriffe enthalten.
Bei Formatversionen eines Dokuments, die aus mehreren Dateien bestehen
(insbesondere HTML), wird jeweils der monatlich höchste Zugriffswert
auf eine der Dateien (Kapitel) des Dokuments angezeigt.
Um die detaillierten Zugriffszahlen zu sehen,
fahren Sie bitte mit dem Mauszeiger
über die einzelnen Balken des Diagramms.
|
  | | | | | | | | | | | | | | Oct
11 | Nov
11 | Dec
11 | Jan
12 | Feb
12 | Apr
12 | May
12 | Jun
12 | Aug
12 | Sep
12 | Oct
12 | Nov
12 | Dec
12 | Apr
13 |
| Monat | Oct
11 | Nov
11 | Dec
11 | Jan
12 | Feb
12 | Apr
12 | May
12 | Jun
12 | Aug
12 | Sep
12 | Oct
12 | Nov
12 | Dec
12 | | Startseite | 12 | | | 2 | | 2 | | | | 4 | 2 | 4 | | | PDF | 62 | 25 | 17 | 14 | 17 | 9 | 7 | 10 | 8 | 13 | 10 | 6 | 7 |
Gesamtzahl der Zugriffe seit Oct 2011: - Startseite – 26 (1.86 pro Monat)
- PDF – 205 (14.64 pro Monat)
|
