[論文レビュー] Consistency of Cheeger and Ratio Graph Cuts

Nicolás García Trillos, Dejan Slepčev+3 more|arXiv (Cornell University)|Nov 24, 2014

Topological and Geometric Data Analysis参考文献 29被引用数 25

ひとこと要約

この論文は、サンプルサイズが増加する際、離散的グラフカットの最小化子が対応する連続的カットの最小化子に収束することを示すことで、チェーファーおよびレシオグラフカットの一貫性を確立する。ガンマ収束を用いて、二分割および多分割の両方のパーティションに対して収束を保証するための鋭いスケーリング条件を導出し、数値実験によりさまざまなスケーリング制度における誤差の減少を確認した。

ABSTRACT

This paper establishes the consistency of a family of graph-cut-based algorithms for clustering of data clouds. We consider point clouds obtained as samples of a ground-truth measure. We investigate approaches to clustering based on minimizing objective functionals defined on proximity graphs of the given sample. Our focus is on functionals based on graph cuts like the Cheeger and ratio cuts. We show that minimizers of the these cuts converge as the sample size increases to a minimizer of a corresponding continuum cut (which partitions the ground truth measure). Moreover, we obtain sharp conditions on how the connectivity radius can be scaled with respect to the number of sample points for the consistency to hold. We provide results for two-way and for multiway cuts. Furthermore we provide numerical experiments that illustrate the results and explore the optimality of scaling in dimension two.

研究の動機と目的

• ランダムな点群におけるグラフカットに基づくクラスタリングアルゴリズムの理論的一貫性を確立すること。
• 離散的グラフカットが連続的極限に収束するための、接続半径 $\varepsilon_n$ の正確なスケーリング条件を特定すること。
• チェーファーおよびレシオカットを用いて、二分割および多分割クラスタリングの両方の一致結果を拡張すること。
• さまざまな $\varepsilon_n$ スケーリング制度下で理論的結果を数値実験により検証すること。
• グラフが非連結となった場合でも一貫性が保たれるかを、巨大成分に注目することで調査すること。

提案手法

• 大標本における離散的グラフカット機能の極限を分析するための変分的枠組みとしてガンマ収束を用いる。
• 接続半径 $\varepsilon_n$ を持つ近接グラフ上でのチェーファーおよびレシオカットに基づく離散的目的機能を定義する。
• 基礎的な測度 $\nu$ におけるチェーファーまたはレシオカットの最小化に対応する連続的極限機能を構築する。
• 確率的幾何グラフ理論の結果を応用して、さまざまな $\varepsilon_n$ スケーリング下での接続性および成分構造を特徴付ける。
• グラフ $\mathcal{G}_n$ が非連結の場合に、最適化を巨大成分 $\mathcal{H}_n$ に制限する修正アルゴリズムを実装し、孤立頂点を一様にランダムに割り当てる。
• 最大 $n=128k$ 個の点を用いた数値実験により、平均誤差 $\mathbb{E}(e_n)$ を測定し、$\varepsilon_n$ スケーリングのさまざまな制度における収束速度を評価する。

実験結果

リサーチクエスチョン

• RQ1 離散的チェーファー・カットの最小化子が $n \to \infty$ の際に連続的チェーファー・カットの最小化子に収束するための $\varepsilon_n$ の条件は何か？
• RQ2 ガンマ収束を用いて、二分割および多分割の両方のグラフカットについて一貫性を確立できるか？
• RQ3 一貫性を保証するための $\varepsilon_n$ の $n$ に対する最適スケーリングは何か、特に接続性の臨界閾値付近でどうなるか？
• RQ4 グラフが非連結となった場合でも、最適化を巨大成分に制限すれば一貫性は保たれるか？
• RQ5 強い接続性、弱い接続性、または弱い非接続性のスケーリング制度の違いが、実際の収束にどのように影響するか？

主な発見

• 適切な $\varepsilon_n$ スケーリングの下で、離散的チェーファーおよびレシオカットの最小化子は $n \to \infty$ の際に、対応する連続的カットの最小化子に収束する。
• 二分割カットの場合、$\varepsilon_n \sim n^{-0.3}$ のとき一貫性が成立し、これは強い接続性制度に含まれる。
• $\varepsilon_n = n^{-0.3}$ の下で、誤差 $\mathbb{E}(e_n)$ は $n$ に対して多項式的に減少し、$n=1k$ で 0.0778 から $n=128k$ で 0.0161 に低下する。
• 臨界的接続性スケーリング $\varepsilon_n = (\log n / (\pi n))^{1/2}$ でさえも、$n=1k$ で 0.3243 から $n=64k$ で 0.0442 に誤差 $\mathbb{E}(e_n)$ が減少するため、弱い非接続性制度でも一貫性が成立する可能性がある。
• アルゴリズムの性能はさまざまな制度で頑健である：$\varepsilon_n = 2(\log n / (\pi n))^{1/2}$ に対しても同様の誤差減少が観察され、グラフの構造的性質が収束に与える影響は限定的である。
• 数値結果は、確率的収束を示すマーカフの不等式を介して、ほとんど確実な収束を証明するものではないが、収束の可能性を支持しており、接続性の閾値でも一貫性が成立する可能性がある。