edoc-Server der Humboldt-Universität zu Berlin

Masterarbeit

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.
  • connotea
  • del.icio.us
  • Furl
  • RawSugar

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.
PDF: 25 Zugriffe PDF: 17 Zugriffe Startseite: 2 Zugriffe PDF: 14 Zugriffe PDF: 17 Zugriffe Startseite: 2 Zugriffe PDF: 9 Zugriffe PDF: 7 Zugriffe PDF: 10 Zugriffe PDF: 8 Zugriffe Startseite: 4 Zugriffe PDF: 13 Zugriffe Startseite: 2 Zugriffe PDF: 10 Zugriffe Startseite: 4 Zugriffe PDF: 6 Zugriffe PDF: 7 Zugriffe Startseite: 3 Zugriffe PDF: 18 Zugriffe Startseite: 2 Zugriffe PDF: 16 Zugriffe Startseite: 2 Zugriffe PDF: 8 Zugriffe Startseite: 1 Zugriffe PDF: 21 Zugriffe Startseite: 1 Zugriffe PDF: 17 Zugriffe Startseite: 1 Zugriffe PDF: 11 Zugriffe Startseite: 1 Zugriffe PDF: 15 Zugriffe Startseite: 1 Zugriffe PDF: 12 Zugriffe PDF: 15 Zugriffe Startseite: 3 Zugriffe PDF: 12 Zugriffe Startseite: 1 Zugriffe PDF: 9 Zugriffe PDF: 9 Zugriffe Startseite: 2 Zugriffe PDF: 20 Zugriffe Startseite: 2 Zugriffe PDF: 11 Zugriffe PDF: 16 Zugriffe
Nov
11
Dec
11
Jan
12
Feb
12
Apr
12
May
12
Jun
12
Aug
12
Sep
12
Oct
12
Nov
12
Dec
12
Jan
13
Feb
13
Mar
13
Apr
13
May
13
Jun
13
Jul
13
Aug
13
Sep
13
Oct
13
Nov
13
Dec
13
Jan
14
Feb
14
Mar
14
Monat Nov
11
Dec
11
Jan
12
Feb
12
Apr
12
May
12
Jun
12
Aug
12
Sep
12
Oct
12
Nov
12
Dec
12
Jan
13
Feb
13
Mar
13
Apr
13
May
13
Jun
13
Jul
13
Aug
13
Sep
13
Oct
13
Nov
13
Dec
13
Jan
14
Feb
14
Mar
14
Startseite     2   2       4 2 4   3 2 2 1 1 1 1 1   3 1   2 2  
PDF 25 17 14 17 9 7 10 8 13 10 6 7 18 16 8 21 17 11 15 12 15 12 9 9 20 11 16

Gesamtzahl der Zugriffe seit Nov 2011:

  • Startseite – 34 (1.36 pro Monat)
  • PDF – 353 (13.07 pro Monat)
 
 
Generiert am 23.04.2014, 09:25:47