توسعه سیستم طبقهبندی توده سنگ (RMRb) برمبنای توابع پیوسته با استفاده از الگوریتم خوشهبندی K-Means
محل انتشار: نهمین کنفرانس دانشجویی مهندسی معدن ایران
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 545
فایل این مقاله در 9 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:
SMEC09_101
تاریخ نمایه سازی: 25 خرداد 1393
چکیده مقاله:
این مقاله به اصلاح کلاسهای سیستم طبقهبندی ژئومکانیکی توده سنگ (RMRb) برمبنای توابع پیوسته توسط الگوریتم خوشهبندی K-Means میپردازد. در سیستم طبقهبندی RMRb، دادهها توسط یک سری از اطلاعات اولیه گروهبندی شده اندولی با کاربرد الگوریتم خوشهبندی K-Means در این سیستم طبقهبندی، دادهها پس از تشکیل فرایند خوشهبندی به خوشههای خاصی تعلق میگیرند، که در این صورت موجب قضاوت بهتر در مورد کیفیت توده سنگ میشود. نتایج نهایی الگوریتم خوشهبندی K-Means در مورد دادههای برداشتشده از آنومالی B معادن سنگ آهن سنگان نشان میدهد که استفاده از تکنیک خوشهبندی مورد استفاده در این مقاله میتواند روش بسیار مناسبی جهت تخمین کلاسهای سیستم طبقهبندی RMRb برمبنای توابع پیوسته باشد
کلیدواژه ها:
نویسندگان
زکریا جلالی
دانشجوی دوره کارشناسی، رشته مهندسی معدن، گرایش 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 :