Рассмотрена задача кластерного анализа в условиях неопределенности для формирования автоматического управления процессом сортировки крупнокускового железорудного сырья с оперативным распознаванием его минералого-технологических разновидностей отдельных кусков в потоке на конвейерной ленте учитывая физико-механические свойства. Кластер-анализ получил широкое применение в различных отраслях, где имеются множества объектов произвольной природы, которые необходимо автоматически разбить на кластера. Все алгоритмы кластеризации можно подразделить на две группы: алгоритмы с заданным количеством кластеров и алгоритмы, которые сами устанавливают оптимальное количество кластеров. Наиболее предпочтительными алгоритмами кластеранализа являются алгоритмы, которые сами устанавливают количество кластеров или алгоритмы самоорганизации, одним из которых является алгоритм Густавссона-Кесселя. Оценка качества кластеризации была проведена с использованием скалярных мер достоверности. Проведены экспериментальные исследования показателей качества кластеризации от количества кластеров для определения минералого-технологических разновидностей железной руды. Установлено по результатам проведенных исследований, что для формирования автоматического управления сортировкой кусковой руды с оперативным распознаванием минералого-технологических разновидностей отдельных кусков в потоке, с помощью нечеткой кластеризации ее характеристик, оптимальным количеством кластеров, является 7, при этом необходимо 29 итераций.

  Повний текст PDF - 470.817 Kb    Зміст випуску     Цитування публікації

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"