presentasi jurnal forensik

• FVs yang dibangun digunakan untuk melatih classifier mesin pembelajaran yang umum digunakan, disebut Support Vector Machines (SVMs), dalam upaya untuk mempelajari hubungan bentuk deskripsi untuk hal-hal korespondensi perbandingan yang sesuai dan tidak sesuai.

• Yang menunjukkan kelas sesuai (match) dan tidak sesuai (non-match) seperti M dan M0, masing-masing, LRK dihitung untuk FV, xi, sebagai berikut

• Dimana a = P (xi kelas M), A dan B diperkirakan dari fungsi link logistik,

Hasil percobaan menunjukkan bahwa model yang diusulkan sangat akurat dalam mendukung hipotesis yang benar ketika menilai dekat perbandingan konfigurasi kelompok sesuai dan tidak sesuai.

Sebagai contoh, konfigurasi dengan 5 hal kecil memiliki Rate of Misleading Evidence in favour of Defence (RMED) dari 9,9% dan Rate of Misleading Evidence in favour of Prosecution (RMEP) dari 11,4% untuk entri daftar kandidat, sedangkan peningkatan ukuran konfigurasi berkorelasi dengan penurunan signifikan dalam tingkat ini (misalnya, konfigurasi dengan 8 hal kecil memiliki RMED dan RMEP masing-masing 3,4% dan 3,2%).

Model Analisis Metodologi • Model LR diusulkan dalam [38,39] langkah-langkah penggunaan perbedaan dari FVs yang

berpotensi tidak kuat untuk skenario dunia nyata, seperti jenis hal-hal kecil bisa berubah, terutama di tayangan terdistorsi.

• Metode [40] telah jelas meningkatkan fungsi perbedaan dengan memperkenalkan tuned multipliers, kuadrat perbedaan sudut, daerah, dan langkah-langkah jarak jauh pada akhirnya tidak didasarkan probabilistik.

• Struktur triangulasi FV radial dari [39,40] yang kuat terhadap distorsi kulit, seperti struktur triangulasi dari Delaunay [38]. Selanjutnya, model yang diusulkan dalam model [40] distorsi kulit realistis ditemui pada permukaan datar dengan mengukur matriks energi untuk khusus mengatur distorsi.

• Model yang dijelaskan dalam [64] memiliki keunggulan praktis atas metode FV lainnya . Hal ini karena FVS dapat segera dibangun untuk daftar calon diberikan kembali dari pencarian AFIS, dan digunakan sebagai vektor masukan untuk SVMs terlatih, untuk menghitung nilai per LR.

Skor AFIS berdasarkan model LREgli et al. [41]• Dalam rangka untuk memperkirakan distribusi skor yang digunakan dalam

persamaan ( 5 ), yang penulis [41] usulkan menggunakan Weibull W(λ, β) dan Log- normal ln N ðm; s2Þ; distribusi s2Þ dengan parameter skala / bentuk disetel untuk memperkirakan AFIS asli dan penipu skor distribusi, masing-masing. Mengingat permintaan dan Template fingermarks dengan skor kesamaan AFIS, s , LR nya adalah

Choi et al. [43]• Penulis [43] mengusulkan model berdasarkan skor AFIS distribusi, menggunakan

NMP dari persamaan (13). Tiga metode utama untuk pemodelan AFIS skor distribusi mana diuji, menjadi (i) berdasarkan histogram, (ii) berdasarkan estimasi kepadatan kernel Gaussian, dan (iii) berdasarkan kepadatan parametrik menggunakan distribusi yang diusulkan di [41].

Model Analisis Metodologi

• Skor AFIS berdasarkan model LR menyediakan kerangka kerja yang baik secara praktis dan sederhana untuk menerapkan dalam hubungannya dengan arsitektur AFIS.

• Model AFIS LR adalah yang paling dekat dengan implementasi praktis, karena mereka seluruhnya didasarkan pada data tersedia bahwa setiap laboratorium memiliki akses. Hal ini memungkinkan model tersebut dengan mudah disetel untuk aplikasi praktis tertentu.

• Skor yang dihasilkan dari algoritma pencocokan di AFIS detil kesamaan berpasangan antara dua impresi (yaitu, tanda dan eksemplar). Namun, metode yang digunakan dalam [41,43], yang menggeneralisasi distribusi untuk semua konfigurasi hal-hal kecil, tidak memungkinkan aspek bukti seperti kelangkaan konfigurasi yang diberikan untuk dipertimbangkan. Pendekatan yang lebih baik akan mendasarkan perhitungan LR pada metode yang tidak memiliki fokus utama pada hanya kesamaan berpasangan, tapi mempertimbangkan karakteristik statistik fitur dalam populasi tertentu.

Diskusi dan Kesimpulan

Secara keseluruhan, model PRC modern yang memberikan representasi penting dari hubungan statistik fitur sidik jari. Keadaan model PRC dapat diringkas sebagai berikut:• Model homogenitas spasial memberikan perkiraan nilai PRC menggunakan

rumus matematis sederhana. Secara khusus, model di [48] (Bagian 3.2.2) memberikan hasil yang sama dengan nilai-nilai PRC empiris. Namun, sifat statistik yang lebih kompleks dan penting diabaikan.

• Hal kecil spasial umum dan kecenderungan pengelompokan orientasional dimodelkan oleh model berbasis spatio-directional (Bagian 3.3).

• Dependensi intrinsik antar-hal kecil antara orientasi / arah dimodelkan dalam [57] (Bagian 3.4.1) dan [61] (Bagian 3.5.2).

• Pemodelan rinci pola spasial hal kecil dicapai oleh model proses titik spasial homogen (Bagian 3.5).

• Model di [57] (Bagian 3.4.1) membuat pertimbangan untuk kualitas penilaian termasuk oleh bobot kepercayaan untuk individu hal kecil lokasi dan orientasi rinci.

• Tidak ada model PRC yang saat ini dikenal secara eksplisit menganggap penting aspek praktis dari identifikasi sidik jari, seperti karakteristik distorsi kulit dan seperti variasi dalam menandai lokasi hal-hal kecil yang diperkenalkan oleh praktisi sidik jari manusia.

• Kebanyakan model PRC kekurangan penerapan kerangka evaluasi. Banyak model yang diusulkan tidak dilaporkan evaluasi menyeluruh atau mengandalkan statistik yang pas untuk mengevaluasi model fitur.

• Sementara model LR dapat menghasilkan nilai PRC, sebaliknya adalah tidak benar. Sebuah LR tidak dapat diperoleh dari nilai-nilai PRC karena dalam jari korespondensi tidak dapat dianggap (yaitu, pembilang LR).

Keadaan model LR dapat diringkas sebagai berikut:

FV berdasarkan model LR (Bagian 4.1) adalah model kuat yang fokus pada detail tata ruang intrinsik konfigurasi. Ini meniru perilaku manusia ahli.

AFIS berdasarkan model LR (Bagian 4.2) adalah model sederhana namun efektif yang terintegrasi praktis dengan AFIS ke depan. AFIS dapat diperlakukan sebagai kotak hitam yang dibentuk oleh model LR .

AFIS berdasarkan model LR (Bagian 4.2) tergantung pada satu skor rating AFIS. Sebuah model statistik campuran dari ahli akan menjadi skenario yang lebih baik dengan menggabungkan algoritma pencocokan yang akan menghasilkan peningkatan akurasi.

FV berdasarkan model LR diusulkan dalam [40] (Bagian 4.1.3) menggabungkan model untuk distorsi kulit pada permukaan datar. Namun, model ini gagal untuk memasukkan karakteristik distorsi affine seperti geser, skala, dan kompresi.

FV berdasarkan model LR yang diusulkan dalam [40] (Bagian 4.1.3) menggabungkan model yang mewakili varians di lokasi yang ditandai dihadapi oleh para ahli.

Semua FV berdasarkan model LR (lihat Bagian 4.1) menggambarkan demarkasi yang sangat akurat dari perbandingan asli dan penipu melalui perhitungan LR yang ditentukan.

Kebanyakan FV berdasarkan model LR (lihat Bagian 4.1) mempertimbangkan fitur bising seperti jenis minutia, yang terbukti dapat merugikan dalam aplikasi praktis.

FV berdasarkan model LR ditemukan di [64] dapat dengan mudah diintegrasikan dengan AFIS seperti AFIS berdasarkan model LR dan independen dari setiap vendor metodologi penilaian AFIS spesifik.

• Menurut pendapat kami, bantuan yang dibawa oleh model LR berbasis praktisi sidik jari akan membawa bentuk sebagai berikut:• Sebagai cara untuk mendukung keputusan yang dibuat dalam aplikasi

yang sebenarnya dari ACE-V. Definisi terbaru dari individualisasi menurut SWGFAST berbunyi sebagai [65]: '' Individualisasi dari kesan salah satu sumber adalah keputusan yang kemungkinan dibuat oleh sumber lain (yang berbeda) merupakan hal yang begitu jauh sehingga dianggap sebagai ketidakmungkinan''

• Model LR juga dapat membantu dalam fase Analisis ACE-V, di mana fingermarks perlu dinilai untuk kesesuaian. Alat LR dapat digunakan untuk memberikan nilai pada berat yang diharapkan dari dukungan yang mungkin berasal dari fitur di tangan sebelum melakukan perbandingan apapun. Alokasi sumber daya bisa diadaptasi sebagai fungsi dari besarnya LR yang diharapkan (selain kendala operasional dan kasus-spesifik lainnya).

• Model LR menawarkan mekanisme untuk menetapkan dukungan berat (mendukung HP atau HD) ke fingermarks yang akan dinyatakan dinyatakan inkonklusif.

• Secara keseluruhan, model LR akan memungkinkan sidik jari untuk menjauh dari pendekatan semua atau tidak sama sekali dan datang setara dengan disiplin forensik lainnya, termasuk penyediaan informasi untuk tujuan investigasi dan intelijen.