다중 블록 데이터의 그룹 구성 요소 분석: 공통 및 개별 특징 추출

현실 세계의 데이터는 종종 단일 행렬이 아닌 행렬 집합으로 수집됩니다. 이러한 다중 블록 데이터는 자연스럽게 연결되어 있으며 일반적으로 몇 가지 공통 특징을 공유하는 동시에 자신의 개별적인 특징을 보여줍니다. 이는 기본 데이터 생성 메커니즘을 반영합니다. 데이터의 연결된 특성을 활용하기 위해 우리는 다중 블록 데이터에서 공통 및 개별 특징 추출(CIFE)을 위한 새로운 프레임워크를 제안합니다. 이는 공통 및 개별 특징을 식별하고 분리합니다. 공통 직교 기저 추출(COBE)이라는 두 개의 효율적인 알고리즘이 제안되어 모든 데이터가 공유하는 공통 기저를 추출하며, 공통 구성 요소의 수가 사전에 알려져 있는지 여부에 관계없이 작동합니다. 그 다음, 차원 축소 및 블라인드 소스 분리 기법을 포함하여 공통 및 개별 하위 공간에서 별도로 특징 추출이 수행됩니다. 합성 및 실제 데이터에 대한 포괄적인 실험 결과는 제안된 CIFE 방법이 최신 기술에 비해 상당한 이점을 제공함을 보여줍니다.