Le bi-partitionnement : Etat de l'art sur les approches et les algorithmes
Résumé
Simultaneous clustering methods perform clustering in the two dimensions simultaneously. They seek to find sub-matrices, that is subgroups of rows and subgroups of columns. They have practical importance in a wide of variety of applications such as biology data analysis, text mining and web mining. In this paper, we introduce a large number of existing approaches of simultaneous clustering and classify them in accordance with the type of biclusters they can find, the methods used and the target applications.
Les méthodes de bi-partitionnement cherchent simultanément des partitions sur l’ensemble des lignes et l’ensemble des colonnes. Ils trouvent aujourd’hui leur application dans plusieurs domaines tels que la bioinformatique, le text mining, le web mining. Dans ce papier, nous proposons une étude sur les approches et les algorithmes proposés pour le bi-partitionnement ainsi qu’une classification de ces algorithmes suivant le type des biclasses et les approches utilisées.
Mots clés
Biclustering
Machine Learning
Data Mining
Simultaneous clustering
Algorithmes de classification simultanée
biclasses
approches de bipartitionnement
classification directe
classification croisée Simultaneous clustering algorithms
biclusters
biclustering approaches
direct clustering
crossed clustering
Fichier principal
Le_bi-partitionnement_Etat_de_lart_sur_les_approc.pdf (204.34 Ko)
Télécharger le fichier
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|