SuSE: Subspace Selection embedded in an EM algorithm

Le subspace clustering [Parsons et al. (2004)] est une extension du clustering traditionnel [Berkhin (2002)] qui recherche un ensemble de clusters qui peuvent être définis dans différents sous-espaces. C’est le cas, par exemple, des données présentées dans la figure 1. L’intérêt de telles techniques est important dans le cadre de données contenant un nombre important de dimensions car elles permettent de faire face à la malédiction de la dimensionalité. De plus, elles permettent de fournir une description réduite des clusters obtenus car les clusters sont alors définis par un nombre restreint de dimensions. Or, la problématique de la compréhensibilité des résultats obtenus en clustering est également importante.