توسعه سیستم طبقهبندی توده سنگ (RMRb) برمبنای توابع پیوسته با استفاده از الگوریتم خوشهبندی K-Means
Publish place: 9th Student Mining Engineering Conference
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 547
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
SMEC09_101
تاریخ نمایه سازی: 25 خرداد 1393
Abstract:
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
Keywords:
Authors
زکریا جلالی
دانشجوی دوره کارشناسی، رشته مهندسی معدن، گرایش استخراج معدن، دانشگاه شهید باهنر کرمان
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :