10.14489/vkit.2026.06.pp.052-060

DOI: 10.14489/vkit.2026.06.pp.052-060

Холостов К. М., Бецков А. В., Овчинский А. С.
МОДЕЛЬ И МЕТОД НЕЧЕТКОЙ КЛАСТЕРИЗАЦИИ СКЛОННЫХ К ПРАВОНАРУШИТЕЛЬСТВУ СОЦИАЛЬНЫХ ГРУПП
(c. 52-60)

Аннотация. Предложены модель и метод решения задачи нечеткой кластеризации подлежащих профилактическому надзору лиц с высоким потенциалом совершения правонарушений в целях сокращения временных затрат на проведение превентивных мероприятий в отношении них. Модель основана на выделении в социальных группах подгрупп по уровню риска совершения их членами правонарушений, что позволяет сконцентрировать профилактические усилия на категории лиц, имеющих наибольший уровень риска за счет снижения временных затрат на иные категории. Оцениваемый риск принимается в виде вероятностной характеристики, связанной с вероятностью совершения правонарушения поднадзорным лицом в течение контрольного интервала времени. Предложенный метод нечеткой кластеризации базируется на нечеткой вероятностной оценке и использовании алгоритма Fuzzy C-Means. Он позволяет определить принадлежность некоторых лиц к нескольким группам риска одновременно. Предлагаемые модель и метод позволяют в условиях временных ограничений решать задачу рационального распределении времени проведения профилактических мероприятий в выделенной социальной группе и в течение контролируемого интервала времени за счет сокращения непроизводительных затрат.

Ключевые слова: кластеризация социальных групп; модель риска; нечеткие методы; алгоритм Fuzzy C-Means; рационализация деятельности; профилактические мероприятия.

Kholostov K. M., Betskov A. V., Ovchinsky A. S.
MODEL AND METHOD OF FUZZY CLUSTERING OF DELINQUENT SOCIAL GROUPS
(pp. 52-60)

Abstract. A model and method for solving the problem of fuzzy clustering of persons subject to preventive supervision with a high potential for committing offenses in order to reduce the time spent on preventive measures against them is proposed. The model is based on the identification of subgroups in social groups according to the level of risk of their members committing offenses, which allows them to focus preventive efforts on the category of people with the highest risk by reducing the time spent on other categories. The assessed risk is taken as a probabilistic characteristic related to the probability of an offense being committed by the supervised person during the control time interval. The proposed fuzzy clustering method is based on a probabilistic assessment and allows determining whether some individuals belong to several risk groups at the same time. This method is based on the Fuzzy C-Means (FCM) algorithm, which evaluates individuals from a social group, followed by assigning them to several subgroups with varying degrees of affiliation. The proposed model and method make it possible, under time constraints, to solve the problem of rationally allocating the time for preventive measures in a designated social group and in a controlled time interval by reducing unproductive costs.

Keywords: Clustering of social groups; Risk model; Fuzzy methods; Fuzzy C-Means algorithm; Rationalization of activities; Preventive measures.

+ - Информация об авторах (About the Authors) Click to collapse

Рус

К. М. Холостов, А. В. Бецков (Академия управления Министерства внутренних дел Российской Федерации, Москва, Россия) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript
А. С. Овчинский (Московский университет Министерства внутренних дел Российской Федерации имени В. Я. Кикотя, Москва, Россия)

Eng

K. M. Kholostov, A. V. Betskov (Academy of Management of the Ministry of Internal Affairs of Russian Federation, Moscow, Russia) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript
A. S. Ovchinsky (Moscow University of the Ministry of Internal Affairs of Russian Federation named after V. Ya. Kikot, Moscow, Russia)

+ - Библиографический список (References) Click to collapse

Рус

1. Малов Д. О. К вопросу об экстремистских проявлениях в футболе: детерминантный комплекс и проблемы предупреждения // Державинские чтения: сб. статей XVIII Международной научно-практической конференции. 19–21 ноября 2024 г. Москва, Россия. М.: Всероссийский государственный университет юстиции, 2025. С. 273–278.
2. Овсяник А. И. Задачи анализа и управления рисками в системе научных исследований МЧС России // Проблемы анализа риска. 2013. Т. 10, № 6. С. 6–9.
3. Алешина А. Ю. Развитие научно-прикладных взглядов на управление рисками организации // XXIII Международная конференция История управленческой мысли и бизнеса / Учения об управлении организациями: прошлое, настоящее, проблемы: Материалы конференции. 22–23 сентября 2023 г. Москва, Россия. М.: Московский государственный университет имени М. В. Ломоносова, 2024. С. 31–36.
4. Бажанова М. И., Цало И. М. Современный подход к оценке уровня экономической безопасности региона // Вестник Южно-Уральского государственного университета. Сер.: Экономика и менеджмент. 2024. Т. 18, № 1. С. 23–35.
5. Малхотра, Нареш К. Маркетинговые исследования. Практическое руководство / пер. с англ. 3-е изд. М.: Издательский дом «Вильямс», 2002. 960 с.
6. Холостов К. М. Нейронечеткая классификация текущих ситуаций в целях поддержки принятия решений по обеспечению общественной безопасности и общественного порядка // Преступность. Общество. Безопасность: сб. статей международной научно-практической конференции в рамках международного форума «Преступность. Общество. Безопасность». 30–31 октября 2025 г. Москва, Россия. С. 146–156.
7. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений: пер. с англ. М.: Мир, 1976. 165 с.
8. Холостов К. М. Автоматизация процедур анализа оперативной обстановки // Тр. Академии управления МВД России. 2014. № 1(29). С. 22–26.
9. Шаныгин С. И., Ризванова Э. Р. Нормирование показателей в многофакторных исследованиях экономических процессов // Экономика. Право. Инновации. 2020. № 3. С. 4–13.
10. Поспелов Д. А. Логико-лингвистические модели в системах управления. М.: Энергоиздат, 1981. 232 с.
11. Прикладные нечеткие системы / под ред. Т. Тэтано, К. Асаи, М. Сугэно. М.: Мир, 1993. 368 с.
12. Жидков В. Н. Мягкие вычисления в интегрированных системах летательных аппаратов. М.: Изд-во МАИ, 2013. 388 с.
13. Yang M. S., Nataliani Y. A Feature-Reduction Fuzzy Clustering Algorithm Based on Feature-Weighted Entropy // IEEE Transactions on Fuzzy Systems. 2018. V. 26, No. 2. P. 817–835.
14. Zhou K., Fu Ch., Yang Sh. Fuzziness parameter selection in fuzzy c-means: The perspective of cluster validation // Science China Information Sciences. 2014. V. 57, No. 11. P. 1–8.

Eng

1. Malov, D. O. (2025). On the issue of extremist manifestations in football: Determinant complex and prevention problems. In Derzhavinskie chteniya: Sbornik statei XVIII Mezhdunarodnoi nauchno-prakticheskoi konferentsii (pp. 273–278). Vserossiiskii gosudarstvennyi universitet yustitsii. [in Russian language].
2. Ovsyanik, A. I. (2013). Tasks of risk analysis and management in the research system of the Ministry of Emergency Situations of Russia. Problemy analiza riska, 10(6), 6–9. [in Russian language].
3. Aleshina, A. Yu. (2024). Development of scientific and applied views on organization risk management. In XXIII Mezhdunarodnaya konferentsiya "Istoriya upravlencheskoi mysli i biznesa" / Ucheniya ob upravlenii organizatsiyami: proshloe, nastoyashchee, problemy (pp. 31–36). Moscow State University. [in Russian language].
4. Bazhanova, M. I., & Tsalo, I. M. (2024). A modern approach to assessing the level of economic security of a region. Vestnik Yuzhno-Ural'skogo gosudarstvennogo universiteta. Ser.: Ekonomika i menedzhment, 18(1), 23–35. [in Russian language].
5. Malhotra, N. K. (2002). Marketing research: A practical guide (3rd ed.). Williams Publishing House. [in Russian language].
6. Kholostov, K. M. (2025). Neuro fuzzy classification of current situations to support decision making for ensuring public safety and public order. In Prestupnost'. Obshchestvo. Bezopasnost': Sbornik statei mezhdunarodnoi nauchno-prakticheskoi konferentsii v ramkakh mezhdunarodnogo foruma "Prestupnost'. Obshchestvo. Bezopasnost'" (pp. 146–156). [in Russian language].
7. Zadeh, L. A. (1976). The concept of a linguistic variable and its application to approximate reasoning. Mir. [in Russian language].
8. Kholostov, K. M. (2014). Automation of operational situation analysis procedures. Trudy Akademii upravleniya MVD Rossii, (1), 22–26. [in Russian language].
9. Shanygin, S. I., & Rizvanova, E. R. (2020). Normalization of indicators in multivariate studies of economic processes. Ekonomika. Pravo. Innovatsii, (3), 4–13. [in Russian language].
10. Pospelov, D. A. (1981). Logical linguistic models in control systems. Energoizdat. [in Russian language].
11. Terano, T., Asai, K., & Sugeno, M. (Eds.). (1993). Applied fuzzy systems. Mir. [in Russian language].
12. Zhidkov, V. N. (2013). Soft computing in integrated aircraft systems. MAI Publishing House. [in Russian language].
13. Yang, M. S., & Nataliani, Y. (2018). A feature reduction fuzzy clustering algorithm based on feature weighted entropy. IEEE Transactions on Fuzzy Systems, 26(2), 817–835. https://doi.org/10.1109/TFUZZ.2017.2692729
14. Zhou, K., Fu, C., & Yang, S. (2014). Fuzziness parameter selection in fuzzy c means: The perspective of cluster validation. Science China Information Sciences, 57(11), 1–8.

+ - Заказать электронную версию статьи (Purchase digital version of a single article) Click to collapse

Рус

Статью можно приобрести в электронном виде (PDF формат).

DOI: 10.14489/vkit.2026.06.pp.052-060

Скопируйте DOI статьи и перейдите по ссылке https://id-spektr.ru/product/pokupka-elektronnoy-stati-iz-zhurnala-vestnik-kompyuternyh-i-informatsionnyh-tehnologiy

В комментарии к заказу обязательно укажите DOI статьи.

Eng

This article is available in electronic format (PDF).

DOI: 10.14489/vkit.2026.06.pp.052-060

Copy the article DOI and follow the link https://id-spektr.ru/product/pokupka-elektronnoy-stati-iz-zhurnala-vestnik-kompyuternyh-i-informatsionnyh-tehnologiy

Please specify the article DOI in the order comments.