ScholarGate
دستیار
Regression modelLongitudinal clustering and latent class growth methods

Criminal Trajectory Clustering

Criminal trajectory clustering is the broad family of methods that group individuals by the shape of their longitudinal offending curves. Rather than committing to a single statistical model, it spans algorithmic approaches — k-means for longitudinal data, distance-based clustering of trajectory shapes, and likelihood-based latent class growth — and treats the choice of clustering method itself as a modeling decision validated by fit and stability criteria.

باز کردن در MethodMindبه‌زودیاعمال، مقایسه، دریافت راهنمایی
ابزارها و منابع
دریافت اسلایدها
یادگیری و کاوش
ویدیوبه‌زودی

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

نقشهٔ روش

همسایگی روش‌های مرتبط — برای کاوش، یک گره را برگزینید.

منابع

  1. Nagin, D. S. (2005). Group-Based Modeling of Development. Harvard University Press. ISBN: 9780674016866
  2. Genolini, C., & Falissard, B. (2010). KmL: k-means for longitudinal data. Computational Statistics, 25(2), 317–328. DOI: 10.1007/s00180-009-0178-4

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 22). Clustering of Criminal Offending Trajectories. ScholarGate. https://scholargate.app/fa/criminology/criminal-trajectory-clustering

کدام روش؟

این روش را در کنار نزدیک‌ترین روش‌های خویشاوندش بگذارید و آن‌ها را کنار هم بخوانید — کتابخانه کتاب‌ها را روی میز می‌گشاید؛ انتخاب با شماست.

مقایسهٔ کنار هم

ارجاع‌شده در

ScholarGateCriminal Trajectory Clustering (Clustering of Criminal Offending Trajectories). بازیابی‌شده در 2026-06-24 از https://scholargate.app/fa/criminology/criminal-trajectory-clustering · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026