[論文レビュー] Convex Hulls under Uncertainty

Pankaj K. Agarwal, Sariel Har-Peled+3 more|arXiv (Cornell University)|Jun 25, 2014

Data Management and Algorithms参考文献 7被引用数 26

ひとこと要約

本稿では、各点の位置と存在が確率分布で記述される不確実性下での凸包を計算する確率的枠組みを提案する。クエリ点が凸包に属する確率を効率的に計算するアルゴリズム、正確なクエリ用の確率マップの構築、およびO(n log³n)時間計算量で2次元のマルチポイントモデルにおけるβ- hullを効率的に計算する、新たな概念であるβ- hullを導入する。

ABSTRACT

We study the convex-hull problem in a probabilistic setting, motivated by the need to handle data uncertainty inherent in many applications, including sensor databases, location-based services and computer vision. In our framework, the uncertainty of each input site is described by a probability distribution over a finite number of possible locations including a \emph{null} location to account for non-existence of the point. Our results include both exact and approximation algorithms for computing the probability of a query point lying inside the convex hull of the input, time-space tradeoffs for the membership queries, a connection between Tukey depth and membership queries, as well as a new notion of $\some$-hull that may be a useful representation of uncertain hulls.

研究の動機と目的

• センサーネットワークやコンピュータビジョンなどの実世界の応用に動機づけられ、入力点の位置と存在が不確実な状況における凸包の計算という課題に取り組む。
• クエリ点が不確実データの凸包に含まれる確率を正確かつ近似的に計算するためのアルゴリズムを開発する。
• 所属確率クエリを高速に回答できる時間的・空間的効率の良いデータ構造を設計する。
• β- hullという概念を導入し、不確実凸包の堅牢で近似可能な表現として形式化する。
• 所属確率とタッキー深度の関係を確立し、幾何的洞察とアルゴリズムの改善を可能にする。

提案手法

• 不確実性を2つのフレームワークでモデル化する：ユニポイントモデル（各点が固定位置に与えられた確率で存在する）とマルチポイントモデル（各点が複数の位置のうちのいずれかに、確率を割り当てて存在する）。
• 幾何学的・組合せ的技法を用いて、確率的に実現された点集合の凸包にクエリ点が含まれる確率を評価することで、クエリ点の所属確率を計算する。
• ℝᵈを凸セルに分割する確率マップ ℳ(𝒫) を構築する。各セルは一様な所属確率を持つ。d=2の場合、サイズはΘ(nᵈ²)、構築時間はO(n⁴)である。
• サンプリングに基づくモンテカルロアプローチを用い、近線形サイズのデータ構造を構築することで、サブ線形時間で高確率で所属確率を近似する。
• 双対性とパrametric検索を活用して2次元のβ- hullを計算する：問題を双対空間におけるβ-レベルの下側包絡線の計算に変換し、(1/r)-カットと再帰的分割を用いる。
• β- hullを、すべてのβ-密度凸集合の共通部分として定義する。ここで、集合がβ-密度であるとは、各不確実点の確率質量の少なくともβ分を含むことを意味する。

実験結果

リサーチクエスチョン

• RQ1 各点の位置と存在が確率的に定義される不確実点集合の凸包に、与えられたクエリ点が含まれる確率は何か？
• RQ2 不確実点集合を事前処理することで、所属確率クエリを効率的に回答できるか？ これには、空間とクエリ時間のバランスが求められる。
• RQ3 所属確率とタッキー深度の関係を確立することで、2次元における高確率セルに対する効率的なデータ構造を改善できるか？
• RQ4 効果的かつ計算可能な不確実凸包の近似表現は何か？ そして、それを効率的に計算する方法は？
• RQ5 β- hullは、不確実性下での完全な確率的凸包の意味的でかつ効率的に計算可能な代替手段として有効か？

主な発見

• d=2の場合、ユニポイントモデルおよびマルチポイントモデルの両方で、クエリ点の所属確率はO(n log n)時間で計算可能である。d≥3の場合、O(nᵈ)時間である。
• d=2における確率マップ ℳ(𝒫) はサイズO(n⁴)であり、最適なO(n⁴)時間で構築可能で、各セルに対して正確な所属確率の回答が可能である。
• サンプリングに基づくモンテカルロデータ構造により、近線形空間を用いて高確率でサブ線形時間で所属確率の近似クエリが可能になる。
• 所属確率とタッキー深度の関係が確立され、2次元における高確率セルに対する効率的なデータ構造の設計が可能になった。
• マルチポイントモデル下での不確実点集合のβ- hull は、d=2でO(n log³n)時間で計算可能であり、不確実な凸包の堅牢で計算可能な近似を提供する。
• β- hull は、すべてのβ-密度凸集合の共通部分として定義され、β-密度とは各不確実点の確率質量の少なくともβ分を含むことを意味する。