论文部分内容阅读
在对海量数据环境下的数据进行定位过程中,由于其数据量大,数据特征分布广泛的特点,只能以数据节点初始坐标进行定位,产生过多的测距约束性。传统的定位算法由于受到这种约束条件的干扰,导致算法陷入局部最优,产生定位精度低和抗干扰性差的问题。提出基于数据融合算法的海量数据环境下的高效数据定位方法。依据海量数据系统中数据节点间需要符合的测距约束性条件组建软约束集中模型,在代价函数中引入惩罚项,融合于负梯度算法获取数据节点初步定位的估计值,再利用Taylor级数对定位结果进行修正,最终完成了对海量数据环境下数据的高效定