如何从高维数据中查找子空间聚类?
目前已有多种方法，主要分为三大类:子空间搜索技术、基于相关性的聚类技术和双聚类技术。
子空间搜索技术 − 子空间搜索方法在多个子空间中搜索聚类。因此，聚类是子空间中相同对象的子集。相似性可以通过距离或密度等常规度量来获取。
例如，CLIQUE 算法就是一种子空间聚类技术。它可以在维度递增的序列中指定子空间及其中的聚类，并利用反单调性来修剪那些无法继续聚类的子空间。子空间搜索技术面临的更大挑战是如何有效地搜索子空间序列。
有两种类型的方法:−
自下而上的方法从低维子空间开始，只有当高维子空间中存在聚类时才搜索高维子空间。分析了几种剪枝方法，以减少需要搜索的多个高维子空间。CLIQUE 就是自下而上方法的一个实例。
自上而下的方法从完整空间开始，递归地搜索越来越小的子空间。自上而下的方法只有在局部性假设影响下才有效，这需要聚类的子空间可以由局部邻域决定。
基于相关性的聚类方法 −子空间搜索方法搜索的是使用距离或密度等传统指标计算相似度的聚类，而基于相关性的方法可以找到由高级相关性模型表示的聚类。
基于主成分分析 (PCA) 的方法首先使用主成分分析 (PCA) 改变一组新的、不相关的维度，从而在新空间或其子空间中挖掘聚类。此外，还可以使用主成分分析 (PCA) 等其他空间变换，包括霍夫变换或分形维数。
双聚类方法 − 在某些应用中，需要同时对对象和属性进行聚类。生成的聚类称为双聚类，并满足以下四个要求:−
一个聚类中只有一小部分对象。
一个聚类只包含少量属性。
一个对象可以参与多个聚类，也可以不参与任何聚类。
一个属性可以包含在多个聚类中，也可以不包含在任何聚类中。
双聚类技术最初被推荐用于满足探索基因表达数据的需求。基因是将性状从生物体传递给后代的系统。通常，基因由一段DNA组成。
基因对所有生物都至关重要，因为它们定义了一些蛋白质和功能性RNA链。它们影响构建和支持生物体细胞的数据，并将遗传性状传递给后代。
基因型是细胞、生物体或个体的基因组成。表型是生物体的明显特征。基因表达是遗传学中的重要层面，因为基因型决定表型。
