[論文レビュー] Dimension reduction by random hyperplane tessellations

Yaniv Plan, Roman Vershynin|arXiv (Cornell University)|Nov 18, 2011

Point processes and geometric inequalities参考文献 17被引用数 6

ひとこと要約

本稿では、有界なユークリッド空間の部分集合をハミング立方体に低歪みで埋め込むために、ランダムな超平面テッセレーションを用いた新しい次元削減技術を提案する。$ m = O(w(K)^2) $ 個のランダムな超平面が、$ \delta $-一様テッセレーションを実現することを証明しており、ここで $ w(K) $ はガウス平均幅である。これにより、高確率で近似的等長埋め込みが可能となる。

ABSTRACT

Given a subset K of the unit Euclidean sphere, we estimate the minimal number m = m(K) of hyperplanes that generate a uniform tessellation of K, in the sense that the fraction of the hyperplanes separating any pair x, y in K is nearly proportional to the Euclidean distance between x and y. Random hyperplanes prove to be almost ideal for this problem; they achieve the almost optimal bound m = O(w(K)^2) where w(K) is the Gaussian mean width of K. Using the map that sends x in K to the sign vector with respect to the hyperplanes, we conclude that every bounded subset K of R^n embeds into the Hamming cube {-1, 1}^m with a small distortion in the Gromov-Haussdorf metric. Since for many sets K one has m = m(K) << n, this yields a new discrete mechanism of dimension reduction for sets in Euclidean spaces.

研究の動機と目的

• 有界な部分集合 $ K \subseteq \mathbb{R}^n $ を一様にテッセレーションするための最小の超平面数を特定すること。ここで、点間の分離超平面の割合が、点間のユークリッド距離に比例するようにする。
• ランダムな超平面が、$ K $ をハミング立方体 $ \{-1,1\}^m $ に、グロモフ＝ハウスドルフ距離において小さな歪みで埋め込むことで、近似的に最適な次元削減を達成できることを確立すること。
• 必要な超平面数が、ガウス平均幅 $ w(K) $ のみに依存することを示し、$ w(K) \ll n $ の場合に効率的な次元削減が可能となるようにすること。
• 球面 $ S^{n-1} $ における結果を、$ \mathbb{R}^{n+1} $ への埋め込みによるリフトィング・アーギュメントを用いて、一般の $ \mathbb{R}^n $ の有界部分集合へと拡張すること。

提案手法

• 超平面の法線を $ S^{n-1} $ 上のハール測度から独立に抽出することで、回転不変性と一様分布を確保する。
• 各点 $ x \in \mathbb{R}^n $ に対して、超平面法線との内積の符号をとる符号写像 $ f: \mathbb{R}^n \to \{-1,1\}^m $ を定義する。
• 任意の $ x,y \in K $ のペアについて、分離する超平面の割合 $ d_A(x,y) $ を分析し、それが球面上の正規化された測地的距離 $ d(x,y) $ のまわりに集中することを示す。
• 集中不等式を用いて、$ m \geq C\delta^{-6}w(K)^2 $ の条件下で、高確率ですべての $ x,y \in K $ に対して $ |d_A(x,y) - d(x,y)| \leq \delta $ が一様に成り立つことを証明する。
• 問題を $ \mathbb{R}^n $ から $ \mathbb{R}^{n+1} $ にリフトする。$ K \oplus t $ を球面への球面射影により埋め込み、球面における結果の適用を可能にする。
• リフトされた空間における測地的距離とユークリッド距離の漸近的評価を用い、$ d_A(x,y) $ を元の $ \|x-y\|_2 $ に関連づけ、パラメータを調整して $ \delta $-一様性を達成する。

実験結果

リサーチクエスチョン

• RQ1 有界な集合 $ K \subseteq \mathbb{R}^n $ の $ \delta $-一様テッセレーションを達成するために必要な最小の超平面数 $ m(K,\delta) $ は何か。ここで、分離超平面の割合が点間のユークリッド距離に比例するようにする。
• RQ2 ランダムな超平面が、$ K \subseteq \mathbb{R}^n $ をハミング立方体 $ \{-1,1\}^m $ に歪み $ \delta $ で埋め込むことで、近似的に最適な次元削減を達成できるか。
• RQ3 ガウス平均幅 $ w(K) $ が、一様テッセレーションに必要な超平面数をどのように制御するか。また、この境界は球面を超えて一般化可能か。
• RQ4 符号写像の下で、球面上の正規化された測地的距離と離散立方体におけるハミング距離の関係は何か。
• RQ5 球面の部分集合に対して得られた結果を、リフト構成を用いて一般の $ \mathbb{R}^n $ の有界部分集合へと拡張できるか。

主な発見

• 高確率で、$ m = O(\delta^{-6}w(K)^2) $ 個の独立なランダム超平面が、任意の部分集合 $ K \subseteq S^{n-1} $ に対して $ \delta $-一様テッセレーションを実現する。つまり、すべての $ x,y \in K $ に対して $ |d_A(x,y) - d(x,y)| \leq \delta $ が成り立つ。
• 符号写像による $ K \subseteq S^{n-1} $ のハミング立方体 $ \{-1,1\}^m $ への埋め込みは、$ \varepsilon = O(\delta) $ の $ \varepsilon $-等長埋め込みを実現する。ここで $ m = O(w(K)^2) $ である。
• 直径が 1 である一般の有界な $ K \subset \mathbb{R}^n $ に対しても、同様の結果が成り立ち、$ m = O(\delta^{-12}w(K)^2) $ で達成される。これは $ \mathbb{R}^{n+1} $ へのリフトと球面射影によって実現される。
• ガウス平均幅 $ w(K) $ は、次元削減の効率を決定づける主要な幾何的パラメータであり、$ w(K) \ll n $ の場合に $ m \ll n $ となる。
• ランダム超平面によって誘導される符号写像は、距離を $ \delta $ 以内に保ち、$ K $ 内のすべてのペアに対して一様に歪みが有界である。これにより、次元削減の離散的メカニズムが確立される。
• 証明は測度の集中と、リフトされた空間における測地的距離とユークリッド距離の漸近的解析に依存しており、誤差項をバランスさせるためにリフトパラメータ $ t $ を慎重に調整する。