随着信息技术的飞速发展和大数据时代的来临，数据呈现出高维性、非线性等复杂特征。对于高维数据来说，在全维空间上往往很难找到反映分布模式的特征区域，而大多数传统聚类算法仅对低维数据具有良好的扩展性。因此，传统聚类算法在处理高维数据的时候，产生的聚类结果可能无法满足现阶段的需求。而子空间聚类算法搜索存在于高维数据子空间中的簇，将数据的原始特征空间分为不同的特征子集，减少不相关特征的影响，保留原数据中的主要特征。通过子空间聚类方法可以发现高维数据中不易展现的信息，并通过可视化技术展现数据属性和维度的内在结构，为高维数据可视分析提供了有效手段。总结了近年来基于子空间聚类的高维数据可视分析方法研究进展，从基于特征选择、基于子空间探索、基于子空间聚类的3种不同方法进行阐述，