توسعه سیستم طبقه بندی امتیاز توده شیب (SMR) با استفاده از الگوریتم خوشه بندی K-Means
محل انتشار: کنفرانس ملی علوم معدنی
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,048
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICMSM01_154
تاریخ نمایه سازی: 13 آبان 1393
چکیده مقاله:
سیستم طبقه بندی امتیاز توده شیب (SMR) از جمله مهمترین و معمولترین سیستمهای طبقه بندی جهت آنالیز پایداری شیب است. امروزه با توجه به اهمیت و کاربرد این سیستم طبقهبندی، هدف از این مقاله تصحیح کلاسهای نهایی این سیستم با استفاده از الگوریتم خوشه بندی K-Means در دو حالت امتیاز بندی پیوسته کلاسهای نهایی این سیستم با استفاده از الگوریتم خوشه بندی K-Means در دو حالت امتیاز بندی پیوسته و گسسته است. با توجه به اینکه در سیستم طبقه بندی SMR دادهها توسط یک سری از اطلاعات اولیه به کلاسهای مشخصی طبقه بندی می شوند با کاربرد الگوریتم خوشه بندی K-Means در این سیستم طبقه بندی داده ها بعد از مراحل تحلیل خوشه ای به کلاسهای خاصی تقسیم بندی می شوند که موجب تفکیک پذیری مناسب کلاس های نهایی این سیستم می شود. جهت اعتبارسنجی الگوریتم خوشه بندی K-Means از روش SC استفاده شده است که این نتایج در مورد داده های برداشت شده از آنومالی B معادن سنگ آهن سنگان نشان دهنده این است که تکنیک مورد استفاده در این مقاله در علم طبقه بندی مهندسی سنگ بسیار از اهمیتویژهای برخوردار است.
کلیدواژه ها:
سیستم طبقه بندی SMR ، الگوریتم خوشه بندی K-Means آتومالی B معادن سنگ آهن سنگان ، روش اعتبار سنجی SC
نویسندگان
زکریا جلالی
فارغ التحصیل رشته مهندسی استخراج معدن، دانشگاه شهید باهنر کرمان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :