고차원 행렬 복원과 서브스페이스 클러스터링

본 논문은 “고차원 행렬 복원과 서브스페이스 클러스터링”이라는 새로운 문제 설정을 제시한다. 전통적인 저계수 행렬 완성 문제는 전체 행렬의 순위가 낮을 때만 효율적인 복원이 가능하다는 한계가 있다. 그러나 실제 데이터는 종종 여러 저차원 서브스페이스의 합집합으로 구성되며, 이 경우 전체 순위는 높을 수 있다. 저자들은 이러한 상황을 “열이 최대 \(k\) 개의 서브스페이스 \(S_{i}\) 에 속한다”는 가정 하에, 각 열을 독립적으로 복원할 수 있는 이론적 경계와 실용적인 알고리즘을 제시한다. **문제 정의와 가정** - 행렬 \(X\in\mathbb{R}^{n\times N}\) 의 각 열은 \(k\) 개의 서브스페이스 중 하나에 속한다. 각 서브스페이스 차원은 \(r0\) 가 존재한다. 이는 서로 다른 서브스페이스를 구분할 수 있게 한다. **주요 정리** 정리 2.1은 위 가정 하에, 각 원소가 독립적으로 확률 \(p_{0}\) 로 관측될 때, \