Pattern Clustering, ein grundlegendes Werkzeug in der explorativen Datenanalyse, beinhaltet die unbeaufsichtigte Klassifizierung von Datenelementen in Gruppen. Diese Studie gibt einen Überblick über Pattern Clustering-Methoden aus einer statistischen Mustererkennungsperspektive. Sie identifiziert übergreifende Themen und hebt aktuelle Fortschritte hervor, um Clustering-Praktikern nützliche Anleitungen zu geben. Die Studie befasst sich mit dem Clustering-Problem in vielen Kontexten und aus verschiedenen Disziplinen. Unterschiedliche Annahmen und Kontexte führen dazu, dass der Transfer generischer Methoden nur langsam erfolgt. Die Arbeit stellt eine Taxonomie von Techniken vor. Anwendungen von Clustering-Algorithmen, einschließlich Bildsegmentierung, Objekterkennung und Information Retrieval, werden beschrieben. Dieser Überblick bietet eine Grundlage für Forscher und Praktiker in diesem Bereich.
Dieser in ACM Computing Surveys veröffentlichte Artikel entspricht dem Zweck der Zeitschrift, umfassende Überblicke über Themen innerhalb der Informatik zu geben. Durch die Präsentation einer Taxonomie von Clustering-Techniken und die Erörterung aktueller Fortschritte bietet der Artikel wertvolle Einblicke für die breite Gemeinschaft der Clustering-Praktiker.