%0 Journal Article %T تصحیح سیستم طبقه‌بندی امتیاز توده‌سنگ با استفاده ‌از الگوریتم‌های‌ خوشه‌بندی ‌‌k-means و ‌fuzzy c-means %J روش های تحلیلی و عددی در مهندسی معدن %I دانشگاه یزد %Z 2251-6565 %A جلالی, زکریا %A موسوی نسب, سیدمهدی %D 2015 %\ 08/23/2015 %V 5 %N 9 %P 73-84 %! تصحیح سیستم طبقه‌بندی امتیاز توده‌سنگ با استفاده ‌از الگوریتم‌های‌ خوشه‌بندی ‌‌k-means و ‌fuzzy c-means %K سیستم طبقه‌بندی امتیاز توده‌سنگ %K الگوریتم‌های خوشه‌بندی k-means و FCM %K روش‌های اعتبار‌سنجی الگوریتم‌های خوشه‌بندی %K آنومالی B معادن سنگ آهن سنگان %R 10.17383/S2251-6565(15)940917-X %X 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. %U https://anm.yazd.ac.ir/article_634_d1f13a2ace3dd1f4c88caf9615cd54bb.pdf