Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
A statistical method for detecting significant temporal hotspots using LISA statistics
Blekinge Tekniska Högskola, Fakulteten för datavetenskaper, Institutionen för datalogi och datorsystemteknik.ORCID-id: 0000-0002-9316-4842
Blekinge Tekniska Högskola, Fakulteten för datavetenskaper, Institutionen för datalogi och datorsystemteknik.ORCID-id: 0000-0002-8929-7220
2017 (Engelska)Ingår i: Proceedings - 2017 European Intelligence and Security Informatics Conference, EISIC 2017, IEEE Computer Society, 2017, s. 123-126Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

This work presents a method for detecting statisticallysignificant temporal hotspots, i.e. the date and time of events,which is useful for improved planning of response activities.Temporal hotspots are calculated using Local Indicators ofSpatial Association (LISA) statistics. The temporal data is ina 7x24 matrix that represents a temporal resolution of weekdaysand hours-in-the-day. Swedish residential burglary events areused in this work for testing the temporal hotspot detectionapproach. Although, the presented method is also useful forother events as long as they contain temporal information, e.g.attack attempts recorded by intrusion detection systems. Byusing the method for detecting significant temporal hotspotsit is possible for domain-experts to gain knowledge about thetemporal distribution of the events, and also to learn at whichtimes mitigating actions could be implemented.

Ort, förlag, år, upplaga, sidor
IEEE Computer Society, 2017. s. 123-126
Serie
European Intelligence and Security Informatics Conference, ISSN 2572-3723
Nyckelord [en]
Temporal analysis, temporal hotspot, computational criminology, LISA statistics, local indicators of spatial association.
Nationell ämneskategori
Datavetenskap (datalogi)
Identifikatorer
URN: urn:nbn:se:bth-15166ISI: 000425928200016ISBN: 978-1-5386-2385-5 (digital)OAI: oai:DiVA.org:bth-15166DiVA, id: diva2:1143020
Konferens
European Intelligence and Security Informatics Conference (EISIC), Athens
Tillgänglig från: 2017-09-20 Skapad: 2017-09-20 Senast uppdaterad: 2018-05-18Bibliografiskt granskad

Open Access i DiVA

fulltext(379 kB)509 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 379 kBChecksumma SHA-512
52af68ca6c08f471cf3eeebded7038d87b308e71c45e157bb54e17ac5f583ba4b3bfcc9f3c3d6c1f56672d80e73309d4bf370315139d1861f1f06c532c0eaf21
Typ fulltextMimetyp application/pdf

Personposter BETA

Borg, Anton

Sök vidare i DiVA

Av författaren/redaktören
Boldt, MartinBorg, Anton
Av organisationen
Institutionen för datalogi och datorsystemteknik
Datavetenskap (datalogi)

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 509 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

isbn
urn-nbn

Altmetricpoäng

isbn
urn-nbn
Totalt: 700 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf