Классификация методов бикластеризации
Теперь, когда четко выделены основания для классификации алгоритмов бикластеризации, построим их таксономию. В таблице1.3 для каждого алгоритма, вошедшего в обзор, в соответствующих столбцах указаны тип бикластера, структура порождаемых бимножеств, количество бикластеров, порожденных за один запуск алгоритма, и стратегия поиска.
| Алгоритм | Тип бикластера | Структура | Порождение | Стратегия поиска |
| Block Clustering [37] | Constant | f | One Set at a Time | Div-and-Conq |
 -biclusters [25] |
Coherent Values | i | One at a Time | Greedy |
| FLOC [84,85] | Coherent Values | i | Simultaneous | Greedy |
| pClusters [81] | Coherent Values | g | Simultaneous | Exh-Enum |
| Plaid Models [51] | Coherent Values | i | One at a Time | Dist-Ident |
| PRMs [66,67] | Coherent Values | i | Simultaneous | Dist-Ident |
| CTWC [34] | Constant Columns | i | One Set at a Time | Clust-Comb |
| ITWC [78] | Coherent Values | d,e | One Set at a Time | Clust-Comb |
| DCC [23] | Constant | b,c | Simultaneous | Clust-Comb |
-Patterns [24] |
Constant Rows | i | Simultaneous | Greedy |
| Spectral [45] | Coherent Values | c | Simultaneous | Greedy |
| Gibbs [68] | Constant Columns | d,e | One at a Time | Dist-Ident |
| OPSMs [16] | Coherent Evolution | a,i | One at a Time | Greedy |
| SAMBA [77] | Coherent Evolution | i | Simultaneous | Exh-Enum |
| xMOTIFs [58] [19] | Coherent Evolution | a,i | Simultaneous | Greedy |
| OP-Clusters [53] | Coherent Evolution | i | Simultaneous | Exh-Enum |
Мы используем решеточную таксономию алгоритмов, так как она лишена недостатков древесной, когда наследование свойств от различных надклассов невозможно для одного и того же подкласса. Данная таксономия построена средствами ФАП, а исходная таблица 1.3 посредством шкалирования сведена к объектно-признаковому представлению в виде бинарной матрицы.
Рис. 1.1. Таксономия алгоритмов бикластеризации
Мы предлагаем расширить указанную таксономию за счет введения дополнительного признака — типа исходных значений. Помимо этого, представляется желательным учесть тип бикластеров, в котором возможно присутствие некоторого числа нулевых значений, т.к. это один из способов ослабления требования к формальным понятиям. Для случая иерархической структуры бикластеров можно выделить и отдельно рассмотреть частичный (решеточный) порядок в качестве подтипа.
Для пополнения таксономии объектами мы предлагаем включить алгоритмы, используемые в ФАП для поиска формальных понятий, алгоритмы поиска частых (замкнутых) множеств признаков, алгоритм аддитивной бокс-кластеризации, DR-miner и D-miner из области DataMining, BiMax — разработанный для анализа генетических данных. Перечисленные алгоритмы, за исключением бокс-кластеризации, работают только с 0/1 данными, поэтому в таксономии им соответствует подрешетка, порожденная признаком
"
-данные".
