ملخص البحث
تتناول هذه الورقة البحثية مشكلة تكتل البيانات الضخمة، وهي مشكلة تزداد تعقيدًا مع تزايد حجم البيانات وتنوعها وسرعتها. تقترح الورقة حلاً لتكتل البيانات الكبيرة من خلال تقليل الميزات باستخدام تقنية الإسقاط العشوائي المستندة إلى مبرهنة Johnson-Lindenstrauss، ثم تقسيم البيانات إلى مجموعات صغيرة وتجميعها محليًا وأخيرًا تنفيذ العنقدة التعاونية باستخدام خوارزمية Fuzzy C-Means (FCM). تم تقييم الطريقة المقترحة باستخدام مجموعتين من البيانات، وأظهرت النتائج أن الطريقة المقترحة تحقق أداءً أفضل من حيث مؤشر الصحة ووقت التشغيل مقارنة بالطرق التقليدية. كما تم استخدام أدوات التقييم Xie-Beni وPartition Coefficient لمقارنة أداء الخوارزمية المقترحة.
قراءة نقدية
دراسة نقدية: تقدم الورقة البحثية حلاً مبتكرًا لتكتل البيانات الضخمة من خلال تقليل الأبعاد والعنقدة التعاونية، وهو موضوع ذو أهمية كبيرة في عصر البيانات الضخمة. ومع ذلك، يمكن أن تكون هناك بعض النقاط التي تحتاج إلى تحسين. على سبيل المثال، لم يتم مناقشة تأثير اختيار القيم المختلفة لمعامل بيتا على أداء الخوارزمية بشكل كافٍ. كما أن الطريقة المقترحة تعتمد بشكل كبير على جودة البيانات المدخلة، والتي قد تكون غير متاحة دائمًا في التطبيقات العملية. بالإضافة إلى ذلك، يمكن أن تكون هناك حاجة إلى مزيد من التجارب على مجموعات بيانات متنوعة للتحقق من عمومية النتائج.
أسئلة حول البحث