توسعه سیستم طبقه بندی امتیاز توده شیب (SMR) با استفاده از الگوریتم خوشه بندی K-Means

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.