차별 부분 부모 최소화를 통한 DC 프로그래밍
차별 부모 최소화 문제는 다양한 기계 학습 문제에서 자연스럽게 발생하는 문제이다. 기존 알고리즘은 이 문제와 DC 프로그래밍 문제 사이의 연결고리를 충분히 활용하지 않았다. 본 논문에서는 DC 알고리즘(DCA)과 완전 DC 알고리즘(CDCA)의 변형을 소개하고, 이를 차별 부모 최소화 문제에 적용한다. 이를 통해 기존 방법과 동등한 이론적 보장을 제공하면서도 수렴 특성에 대한 더 완전한 특성화를 얻을 수 있다. CDCA의 경우 더 강력한 국소 최소성 보장을 얻을 수 있다. 실험 결과는 제안된 알고리즘이 기존 기준선을 능가함을 보여준다.