Im Vergleich zu den traditionellen Clusteringverfahren ermöglicht Subspace Clustering die Suche nach Clustern in den Unterräumen (Subspaces) der Daten. Man unterscheidet zwei Hauptarten des Subspace-Clustering-Verfahrens: Top-Down- und Bottom-Up-Verfahren. Die Algorithmen des Top-Down-Verfahrens verkleinern die Suchbereiche von hohen zu niedrigen Dimensionen. In dem Bottom-Up-Verfahren suchen die Algorithmen nach Clustern in einer umgekehrten Reihenfolge. Die Bestimmung der Parameter in den meisten Subspace-Clustering-Verfahren ist nicht einfach, was die Anwendung der Verfahren erschwert. Daher wird in dieser Arbeit ein Verfahren zur automatischen Parameterbestimmung diskutiert.