中心回线瞬变电磁装置能与探测对象良好耦合,异常幅度大,探测速度快,对场地适应性强。特别是,回线源在层状大地中激发的场对低阻层敏感,是煤田水文地质勘探的首选方法。随着煤矿进入深部开采,对煤层上覆多层积水采空区有效探测具有重要意义,也是瞬变电磁法(Macnae et al,1996)及其它电磁勘探方法(Wang,et al,2010)面临的新问题。通常情况下,煤层的厚度远小于埋藏深度,积水采空区构成了低阻薄层。和单层采空共探测
基于密度峰值的聚类算法(DPC)是最近提出的一种高效密度聚类算法。该算法可以对非球形分布的数据聚类,有待调节参数少、聚类速度快等优点,但在计算每个数据对象的密度值和高密度最邻近距离时,需要进行距离度量,其时间复杂度为。在大数据时代,尤其是处理海量高维数据时,该算法的效率会受到很大的影响。为了提高该算法的效率和扩展性,利用Spark在内存计算以及迭代计算上的优势,提出一种高效的基于E2LSH分区的聚类算法ELSDPC(an efficient distributed density peak clustering algorithm based on E2LSH partition with spark)。算法利用DPC算法的局部特性,引入局部敏感哈希算法LSH实现将邻近点集划分到一个区域。通过实验分析表明:该算法可在满足较高准确率的同时有效提高聚类算法的扩展性和时间效率。
暂无评论