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

Authors

  • 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
Abstract:

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.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

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...

full text

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...

full text

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...

full text

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. ...

full text

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...

full text

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...

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 5  issue 9

pages  73- 84

publication date 2015-08-23

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023