[論文レビュー] Algorithms for eps-approximations of Terrains

Jeff M. Phillips|ArXiv.org|Jan 18, 2008

Soil Geostatistics and Mapping参考文献 31被引用数 9

ひとこと要約

本稿では、地形に類似した連続的領域および離散的点集合の $\varepsilon$-近似を構築する決定的アルゴリズムを提示し、軸方向に整列した長方形や $k$-向き多角形などの幾何的族において、標準的な $O(\frac{1}{\varepsilon^2}\log\frac{1}{\varepsilon})$ の境界を著しく上回る、$O(\frac{1}{\varepsilon}\text{ polylog}\frac{1}{\varepsilon})$ の非常に小さいサイズを達成している。このアプローチは幾何的不均衡とレンジ空間解析を活用し、空間解析、バイオ監視、センサーネットワークにおける効率的で低誤差のサンプリングを可能にしている。

ABSTRACT

Consider a point set D with a measure function w : D -> R. Let A be the set of subsets of D induced by containment in a shape from some geometric family (e.g. axis-aligned rectangles, half planes, balls, k-oriented polygons). We say a range space (D, A) has an eps-approximation P if max {R \in A} | w(R \cap P)/w(P) - w(R \cap D)/w(D) | <= eps. We describe algorithms for deterministically constructing discrete eps-approximations for continuous point sets such as distributions or terrains. Furthermore, for certain families of subsets A, such as those described by axis-aligned rectangles, we reduce the size of the eps-approximations by almost a square root from O(1/eps^2 log 1/eps) to O(1/eps polylog 1/eps). This is often the first step in transforming a continuous problem into a discrete one for which combinatorial techniques can be applied. We describe applications of this result in geo-spatial analysis, biosurveillance, and sensor networks.

研究の動機と目的

• 連続的領域（例：地形や分布）の $\varepsilon$-近似を構築する決定的アルゴリズムの開発を目的とする。
• 特に軸方向に整列した長方形や $k$-向き多角形のための幾何的レンジ空間において、標準的な $O(\frac{1}{\varepsilon^2}\log\frac{1}{\varepsilon})$ の境界を著しく下回る $\varepsilon$-近似のサイズを削減することを目的とする。
• バイオ監視やセンサーネットワークなど、ランダムサンプリングがコストがかかりすぎる、小規模で高精度なサンプルを必要とする応用分野への実用的導入を可能にすることを目的とする。
• 改善された近似サイズを用いて、$\varepsilon$-シグナル（センサーデータにおける顕著な出来事の検出に使用される小規模な部分集合）の理論的保証を確立することを目的とする。

提案手法

• 連続的領域および離散的点集合のための決定的サンプリングアルゴリズムを設計するために、幾何的不均衡理論とレンジ空間解析を用いる。
• 複数の互いに素な $\varepsilon$-近似を生成できるように変更された Halve アルゴリズムを用い、分散型センサーモニタリングを可能にする。
• Beck-Fiala定理およびその拡張を用いて、$k$-向き多面体および軸方向に整列した長方形における不均衡を束縛する。
• 再帰的分解戦略を採用し、多対数的要因を用いてサンプルサイズを最小限に抑えつつ、$\varepsilon$-近似の保証を維持する。
• 複数の近似に共通して使用される点を再利用することで、$O(n\varepsilon / \log^{2k}\frac{1}{\varepsilon})$ 個の互いに素な $\varepsilon$-シグナルを構築する技術を導入する。
• 不均衡理論およびVC次元の結果を用いて、さまざまな幾何的族における $\varepsilon$-近似のサイズの境界を導出する。

実験結果

リサーチクエスチョン

• RQ1 決定的アルゴリズムは、軸方向に整列した長方形などの幾何的族に対して、$O(\frac{1}{\varepsilon}\text{ polylog}\frac{1}{\varepsilon})$ のサイズで連続的地形の $\varepsilon$-近似を構築できるか？
• RQ2 VC次元が有界なレンジ空間において、$\varepsilon$-近似のサイズをほぼ平方根の要因だけ小さくできるか？
• RQ3 センサーネットワークにおいて、$k$-向き多角形に対して、$O(\frac{1}{\varepsilon}\text{ polylog}\frac{1}{\varepsilon})$ のサイズの $\varepsilon$-シグナルを効率的に構築できるか？
• RQ4 1つの点集合から複数の互いに素な $\varepsilon$-シグナルを生成することで、エネルギー効率の良いノードの交互起動を実現できるか？

主な発見

• 本稿では、軸方向に整列した長方形および $k$-向き多角形に対して、$O(\frac{1}{\varepsilon}\text{ polylog}\frac{1}{\varepsilon})$ のサイズの $\varepsilon$-近似を構築しており、標準的な境界をほぼ平方根の要因だけ小さくしている。
• サイズ $n$ の離散的点集合に対して、$\mathcal{Q}_k$（$k$-向き多角形）の $\varepsilon$-シグナルは、$O(n\frac{1}{\varepsilon^3}\text{ polylog}(\log\frac{1}{\varepsilon}))$ 時間で構築でき、サイズは $O(\frac{1}{\varepsilon}\log^{2k}\frac{1}{\varepsilon}\text{ polylog}(\log\frac{1}{\varepsilon}))$ である。
• 本手法により、$O(n\varepsilon / \log^{2k}\frac{1}{\varepsilon})$ 個の互いに素な $\varepsilon$-シグナルを生成でき、センサーネットワークにおけるエネルギー効率の良いノード活性化を可能にしている。
• ガウスカーネルに対して、$O(n\frac{1}{\varepsilon^4}\text{ polylog}(\log\frac{1}{\varepsilon}))$ 時間で、$|d_P(m_R, b_R) - \max_{r\in\mathcal{R}_2} d_P(m_r, b_r)| \leq \varepsilon$ を満たすレンジ $R$ を決定的アルゴリズムで見つけられる。
• ランダムサンプリングの $O(\frac{1}{\varepsilon^2}\log\frac{1}{\varepsilon})$ のサンプルサイズを回避することで、大規模なセンサーネットワークおよび空間解析において実用的である。
• 不均衡境界とVC次元に基づく解析を通じて理論的保証が確立され、主要な幾何的族においては、$O(\frac{1}{\varepsilon}\text{ polylog}\frac{1}{\varepsilon})$ のサンプルで $\varepsilon$-近似が十分であることが示されている。