다중 서브스페이스 복원: lₚ 최소화의 강건성 및 한계
본 논문은 i.i.d. 샘플이 K개의 고정 d‑차원 선형 서브스페이스와 외부 아웃라이어로 구성된 혼합 분포에서 생성된다고 가정한다. 0 < p ≤ 1인 경우 lₚ 평균 거리 에너지를 최소화하면 거의 확률적으로 원래의 K 서브스페이스를 정확히 복원할 수 있음을 보인다. 반면 p > 1이고 K > 1이면 어떤 경우에도 lₚ 최소화로는 서브스페이스를 복원하거나 근사 복원하는 것이 불가능함을 증명한다. 이 결과는 l₁ 기반 알고리즘이 아웃라이어에 강건…
저자: Gilad Lerman, Teng Zhang
**1. 서론 및 배경**
다중 서브스페이스 모델링(Hybrid Linear Modeling, HLM)은 컴퓨터 비전·신호 처리에서 비선형 데이터 구조를 선형 부분공간들의 집합으로 근사하는 기본 프레임워크이다. 기존 연구는 K‑subspaces, K‑means, Spectral‑HLM 등 다양한 휴리스틱을 제시했지만, 이들의 이론적 강건성은 거의 알려져 있지 않다. 특히 아웃라이어가 존재할 때 l₂ 기반 에너지 최소화가 쉽게 실패한다는 실험적 관찰은 있었지만, 이를 설명할 일반적인 정리가 부재했다. 본 논문은 이러한 공백을 메우기 위해 l_p 평균 거리 에너지
\
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기