Análise de agrupamento espacial para dados criminais

• Autor(a) principal: LIMA, Alexsandra Gomes de
• Data de Publicação: 2023
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UFPE
• dARK ID: ark:/64986/0013000007jdk
• Texto Completo: https://repositorio.ufpe.br/handle/123456789/50087
• topic: Estatística aplicada; Agrupamento; Área integrada de segurança

Esta tese apresenta um estudo sob a perspectiva da análise de agrupamento envolvendo in- formação espacial e dados criminais. Foram considerados cinco métodos de agrupamento: K-Means, PAM (Partitioning Around Medoids), VNSKMED (Variable Neighborhood Search for K-Medoides), Ward-Like e SKATER (Spatial K’luster Analysis by Tree Edge Removal), além disso, foram propostas alterações nos algoritmos Ward-Like e SKATER modificando a estrutura de pesos e o processo de partição dos grupos usando a distância Gower, nomeados de Ward-Like.New e SKATER.New, respectivamente. Os métodos foram comparados, por meio de três índices de validação: índice Calinski-Harabasz, índice Dunn e índice Davies-Bouldin. Para a análise dos algoritmos, foram utilizados dados de 2007 a 2015 sobre a ocorrência de crimes nos bairros da cidade de Recife envolvendo as classificações das Áreas Integradas de Segurança. Os algoritmos permitiram explorar os padrões relacionados aos crimes, possibili- tando mapeá-los em grupos de bairros da capital pernambucana. Os resultados apontam que as modificações Ward-Like.New e SKATER.New produziram os melhores resultados, sendo o SKATER.New o recomendado.