最优子空间并集计算的降维方案

给定高维空间中的一组点 $\mathcal{F}$，寻找最能解释数据 $\mathcal{F}$ 的子空间并集 $\cup_i V_i\subset \mathbb{R}^N$ 的问题，其难度随 $\mathbb{R}^N$ 的维度急剧增加。本文研究了一类将问题映射到更低维度的变换。我们使用低维空间中的最佳模型来近似原始高维空间中的最佳解。然后估计该解与高维空间中最优解之间的误差。