本文介绍了一种基于主成分分析（PCA）的方法，旨在解决高维数据中的异常值问题。该方法通过高阶沃罗诺伊图和Grassmann流形采样，提高了在异常值存在情况下的最优子空间选择准确性，适用于大数据集和高维环境。