تصحیح سیستم طبقه‌بندی امتیاز توده‌سنگ با استفاده ‌از الگوریتم‌های‌ خوشه‌بندی ‌‌k-means و ‌fuzzy c-means

نویسندگان

  • زکریا جلالی بخش معدن، مجتمع آموزش عالی زرند، دانشگاه شهید باهنر کرمان
  • سیدمهدی موسوی نسب بخش معدن، مجتمع آموزش عالی زرند، دانشگاه شهید باهنر کرمان
چکیده مقاله:

با توجه به اهمیت و کاربرد سیستم طبقه‌بندی امتیاز توده‌سنگ در مهندسی ‌سنگ، هدف از این مقاله تصحیح کلاس‌های نهایی این سیستم طبقه‌بندی با استفاده از الگوریتم‌های ‌خوشه‌بندی ‌k-means و fuzzy c-means (FCM)‌ است. در سیستم طبقه‌بندی امتیاز توده‌سنگ داده‌ها توسط یک سری از اطلاعات اولیه بر مبنای نظریات و قضاوت‌های تجربی طبقه‌بندی می‌شوند ولی با کاربرد الگوریتم‌های خوشه‌بندی در این سیستم ‌طبقه‌بندی، کلاس‌بندی داده‌ها بعد از مراحل تحلیل ‌خوشه‌ای انجام می‌شود، در نتیجه موجب تفکیک‌پذیری مناسب کلاس‌های نهایی سیستم ‌طبقه‌بندی امتیاز توده‌سنگ و رفع ‌ابهامات حاصل از معیار‌های‌ زبانی آن می‌شود. جهت اعتبار‌سنجی الگوریتم خوشه‌بندی k-means از روش سیلهوته(SC) و اعتبار‌سنجی ‌الگوریتم خوشه‌بندی ‌FCM از چهار روش: ضریب‌ توزیع ‌‌پارتیشن (PC)، روش آنتروپی (CE)، روش ‌‌فوکویاما ‌و ‌سوگنو (FS) و ضریب ‌زی ‌و ‌بنی (XB) استفاده شده است. با‌توجه به نتایج اعتبار‌سنجی هر یک از الگوریتم‌های خوشه‌بندی، در نهایت مشخص شد که الگوریتم خوشه‌بندی FCM به دلیل شرایط عدم قطعیت در تعیین کلاس‌های سیستم طبقه‌بندی توده‌سنگ دارای نتایج بهتر و مناسب‌تری نسبت به الگوریتم خوشه‌بندی k-means است. این نتایج در مورد داده‌های برداشت شده از آنومالی B معادن سنگ آهن سنگان نشان می‌دهد که تکنیک مورد استفاده در این مقاله از اهمیت ویژه‌ای جهت ارزیابی کیفیت توده‌سنگ برخوردار است.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

تصحیح سیستم طبقه بندی امتیاز توده سنگ با استفاده از الگوریتم های خوشه بندی k-means و fuzzy c-means

با توجه به اهمیت و کاربرد سیستم طبقه بندی امتیاز توده سنگ در مهندسی سنگ، هدف از این مقاله تصحیح کلاس های نهایی این سیستم طبقه بندی با استفاده از الگوریتم های خوشه بندی k-means و fuzzy c-means (fcm) است. در سیستم طبقه بندی امتیاز توده سنگ داده ها توسط یک سری از اطلاعات اولیه بر مبنای نظریات و قضاوت های تجربی طبقه بندی می شوند ولی با کاربرد الگوریتم های خوشه بندی در این سیستم طبقه بندی، کلاس بندی...

متن کامل

Comparative Analysis of K-Means and Fuzzy C-Means Algorithms

In the arena of software, data mining technology has been considered as useful means for identifying patterns and trends of large volume of data. This approach is basically used to extract the unknown pattern from the large set of data for business as well as real time applications. It is a computational intelligence discipline which has emerged as a valuable tool for data analysis, new knowled...

متن کامل

Bilateral Weighted Fuzzy C-Means Clustering

Nowadays, the Fuzzy C-Means method has become one of the most popular clustering methods based on minimization of a criterion function. However, the performance of this clustering algorithm may be significantly degraded in the presence of noise. This paper presents a robust clustering algorithm called Bilateral Weighted Fuzzy CMeans (BWFCM). We used a new objective function that uses some k...

متن کامل

Vector fuzzy C-means

Many variants of fuzzy c-means (FCM) clustering method are applied to crisp numbers but only a few of them are extended to non-crisp numbers, mainly due to the fact that the latter needs complicated equations and exhausting calculations. Vector form of fuzzy c-means (VFCM), proposed in this paper, simplifies the FCM clustering method applying to non-crisp (symbolic interval and fuzzy) numbers. ...

متن کامل

Fuzzy c-Means Herding

Herding is the process of bringing individuals (e.g. animals) together into a group. More specifically, we consider self– organized herding as the process of moving a set of individuals to a given number of locations (cluster centers) without any external control. We formally describe the relation between herding and clustering and show that any clustering model can be used to control herding p...

متن کامل

استخراج الگوهای ترافیکی شهر calgary با استفاده از الگوریتم fuzzy c-means

ترافیک و حل مشکلات آن یکی از زمینه های کاربردی مهم در سیستم های اطلاعات مکانی می باشد. با توجه به اهمیت و تاثیرات ترافیک در جوانب مختلف حیات انسان، در نظر گرفتن مکانیزم هایی کارا جهت مدیریت آنها، همواره مورد توجه متخصصان حوزه های مختلف بوده است. داده کاوی مکانی فرآیندی است که الگو های مکانی مفید و جالب توجه را از پایگاه داده مکانی به صورت اتوماتیک از میان کمیت های بیشمار داده های مکانی استخرا...

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 5  شماره 9

صفحات  73- 84

تاریخ انتشار 2015-08-23

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023