그라스만 다양체에서 최소 평균 제곱 거리 기반 서브스페이스 추정
본 논문은 베이지안 프레임워크 하에서 서브스페이스 추정을 할 때, 전통적인 평균 제곱 오차(MSE) 대신 그라스만 다양체에 자연스러운 거리인 투영 행렬 간의 평균 제곱 거리(MSD)를 최소화하는 새로운 추정법을 제안한다. 제안된 최소 평균 제곱 거리(MMSD) 추정기는 사후 평균 투영 행렬의 주성분을 이용해 계산되며, Bingham 및 von Mises‑Fisher 사전분포를 포함한 여러 예시에서 분석·시뮬레이션을 통해 그 우수성을 확인한다.
저자: Olivier Besson, Nicolas Dobigeon, Jean-Yves Tourneret
본 논문은 베이지안 관점에서 서브스페이스 추정 문제를 재정의하고, 그라스만 다양체 \( \mathcal{G}_{N,p} \) 위에서 자연스러운 거리 개념을 도입함으로써 기존 MMSE 기반 방법의 한계를 극복하고자 한다. 서브스페이스 \( U \) 의 범위 \( \mathcal{R}(U) \) 만을 관심 대상으로 삼으며, 두 서브스페이스 사이의 거리 \( d(\hat U,U)=\|\hat U\hat U^{\!T}-UU^{\!T}\|_F \) 를 최소화하는 **MMSD** 추정기를 제안한다. 이 거리의 제곱 평균을 최소화하는 문제는 사후 평균 투영 행렬 \( M(Y)=\mathbb{E}
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기