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