迈向双聚类方法的统一分类法

作为一种无监督机器学习与数据挖掘技术，双聚类（biclustering）及其多模态扩展正成为不同领域中分析对象-属性数据的流行工具。与常规聚类技术不同，双聚类在保持对象共同描述的同时寻找同质对象组，例如在二值设定下，其共享属性。在生物信息学中，双聚类用于寻找在部分情境中活跃的基因，从而成为生物标志物的候选。然而，那些在基因表达分析中流行的双聚类技术的作者可能会忽视已有方法。例如，BiMax算法旨在寻找双聚类簇，而这类簇作为形式概念已为人所知数十年。此外，即便生物信息学依据合理的领域驱动标准对双聚类方法进行分类，其分类体系也可能因综述而异且不够完整。因此，本文提议使用概念格（concept lattices）作为分类构建工具（在双聚类领域），并将属性探索（attribute exploration）作为跨领域分类补全的手段。