بررسی روش های انتخاب ویژگی و خوشه بندی بیگ دیتا

مبحث مرتب سازی در کلاس های معرفی علم کامپیوتر بسیار پرکاربرد است، مبحثی که در آن وجود الگوریتم های فراوان به آشنایی با ایده های کلی و مراحل طراحی الگوریتم های مختلف کمک می کند. مرتب سازی با استفاده از پردازنده سرعت محاسبات را بالا خواهد برد. تحقیقات بر روی پردازنده و رفتار حافظه نشان می دهد که زمان قابل توجهی در پایگاه داده و جستجوی برنامه های کاربردی هدر می رود. بسیاری از الگوریتم های ارائه شده به منظور بهبود عملکرد کاوش، الگوریتم های مبتنی بر CPU بوده اند که از جمله آن ها می توان به الگوریتم های موازی داده، الگوریتم بافر آموزش و مدل بهتر ذخیره سازی داده ها و الگوریتم کارآمد ساختمان داده ها اشاره کرد. ایجاد الگوی بهتر جهت دسترسی به داده ها از ضرورت های این مقاله بود زیرا مرتب سازی داده های حجیم امکان جستجو با سرعت بالاتر را مهیا کرده و دسترسی با سرعت بالا به داده های حجیم اهمیت بالایی دارد. هدف این مقاله طراحی یک الگوریتم خوشه بندی جدید بود که می تواند مرتب سازی داده های بزرگ را در زمان کم به همراه داشته باشد. با توجه به مقایسات صورت گرفته می توان بیان نمود که الگوریتم مرتب سازی منجمد فازی برتری در سرعت اجرا بر الگوریتم سریع و ادغامی ندارد. اما باید در آینده این آزمون بر روی تمام پایگاه داده که حاوی فیلدهای بیشتری است انجام گیرد که با توجه به مرتبه زمانی الگوریتم منجمد فازی در حجم داده ی بزرگ سرعت اجرای این الگوریتم نسبت به بقیه الگوریتم ها بهتر خواهد بود.

کلیدواژه ها:

الگوریتم مرتب سازی ، خوشه بندی فازی ، داده های بزرگ ، جستجوی داده