تعد تقنية التصنيف متعدد النظرات غير المتوازنة (Unbalanced Incomplete Multi-view Clustering) من الأدوات الأساسية لمواجهة تحديات البيانات الناقصة في عالمنا المعاصر. على الرغم من التطورات الكبيرة في هذا المجال، كانت معظم الدراسات التي تناولت هذه التقنية تفترض أن جميع النظرات (Views) تشترك في نفس مستوى النقص، مما أدى إلى عدم دقة النتائج.

ومع ذلك، تكشف الأبحاث الجديدة عن حقيقة مثيرة: تختلف مستويات النقص بين النظرات، مما يخلق تباينًا في قوتها. فهناك النظرات القوية التي تتمتع بمستوى نقص منخفض، وأخرى ضعيفة caracterized بمستوى نقص مرتفع. هذا الاختلاف يجعل من الصعب تطبيق الأساليب التقليدية للتصنيف، لذا ظهر أسلوب جديد بالكامل مستوحى من نظرية التطور البيولوجي.

في هذه الدراسة، تم تقديم أسلوب مبتكر يُعرف باسم تطور النظرات (View Evolution)، والذي يُستخدم في تصنيف النظرات القوية والضعيفة. بالإضافة إلى ذلك، تم اقتراح طريقة جديدة تُعرف باسم التصنيف متعدد النظرات الناقص غير المتوازن (UIMC)، وهي الأولى من نوعها التي تعتمد على تطور النظرات لعلاج مشكلة عدم التوازن في البيانات الناقصة.

تتميز UIMC بمزايا فريدة، حيث يستخدم تصنيف الفضاءات الفرعية الموزونة (Weighted Subspace Clustering) لجمع هذه النظرات الناقصة غير المتوازنة، مما يحل فعليًا مشكلة عدم التوازن. كما أنه يعتمد على تمثيل منخفض الترتيب وقوي لاستعادة البيانات، مما يقلل من تأثير النقص والضجيج.

تشير النتائج التجريبية إلى أن UIMC قد حسنت أداء التصنيف بنسبة تصل إلى 40% مقارنةً بالأساليب الأخرى الرائدة في هذا المجال، مما يفتح آفاقًا جديدة لتحسين تقنيات تحليل البيانات في مختلف المجالات.