다중소스 데이터에 대한 희소·이상치 강인 PCA

초록

본 논문은 여러 관련 데이터 소스를 동시에 분석할 수 있는 새로운 PCA 프레임워크를 제안한다. 전역·지역 수준의 구조화된 희소성을 동시에 구현하고, ssMRCD 추정기를 플러그인 방식으로 이용해 다중소스 공분산을 강인하게 추정한다. ADMM 기반 최적화 알고리즘을 개발하여 전역·지역 희소 패턴을 구분하고, 시뮬레이션 및 실제 데이터에서 기존 ROSPCA·전통 PCA 대비 우수한 성능을 보인다.

상세 분석

이 연구는 다중소스 환경에서 PCA를 수행할 때 발생하는 두 가지 핵심 문제—변수 선택의 필요성과 이상치에 대한 민감성을 동시에 해결한다는 점에서 혁신적이다. 먼저, 저자는 전역(global)과 지역(local) 희소성을 조절할 수 있는 복합 패널티를 설계한다. 구체적으로 L1‑norm(개별 희소성)과 그룹‑L2‑norm(전역 희소성)을 γ∈