[論文レビュー] Homology-Preserving Dimensionality Reduction via Manifold Landmarking and Tearing

Lin Yan, Zhao Yaodong+3 more|arXiv (Cornell University)|Jun 22, 2018

Topological and Geometric Data Analysis参考文献 5被引用数 8

ひとこと要約

本稿では、多様体のランドマーク選定と引き裂きを用いたホモロジー保存型次元削減手法を提案する。この手法は、特に1次元のループ（トンネル）といった位相的特徴をデータ埋め込み中に保持することを目的としている。ホモロジー構造に基づいて戦略的にランドマークを選定し、最適な多様体の引き裂きを適用することで、従来のIsomapやランダムランドマーク選定に比べ、複雑で非自明なデータセット（Fishing Net や Octa など）においてホモロジーと距離の両方をよりよく保存する。

ABSTRACT

Dimensionality reduction is an integral part of data visualization. It is a process that obtains a structure preserving low-dimensional representation of the high-dimensional data. Two common criteria can be used to achieve a dimensionality reduction: distance preservation and topology preservation. Inspired by recent work in topological data analysis, we are on the quest for a dimensionality reduction technique that achieves the criterion of homology preservation, a generalized version of topology preservation. Specifically, we are interested in using topology-inspired manifold landmarking and manifold tearing to aid such a process and evaluate their effectiveness.

研究の動機と目的

• 高次元データにおけるホモロジー（位相の一般化形）を、特に1次元のループ（トンネル）を保存する次元削減手法を開発すること。
• 非線形多様体において位相的構造を維持できない、従来の距離保存型手法（例：Isomap）の限界を克服すること。
• ホモロジー情報をランドマーク選定および埋め込みプロセスに統合することで、位相保存型手法を改善すること。
• ホモロジカルスケルトンに従った多様体の引き裂きが、次元削減における位相的忠実性をどのように向上させるかを評価すること。
• ホモロジー保存が、低次元埋め込みにおいて距離保存と併存し、場合によってはそれを強化できることを示すこと。

提案手法

• 本手法は、ホモロジーに情報に基づいたランドマーク選定を用いるIsomapの変種であるホモロジカル L-Isomap を導入する。
• ランドマークは、データのホモロジカルスケルトンに基づいて選定され、持続的ホモロジー特徴に寄与する領域を強調する。
• 多様体の引き裂きは、ホモロジカルスケルトン内の特定の辺をカットすることで実行され、データ構造を「開く」ことで位相的歪みを低減する。
• 最適な引き裂きは、持続的ホモロジー特徴の最大数を保持するカットを選択することで決定され、持続的図（Persistence Diagrams）を用いて評価される。
• 距離保存は残差分散（RV）で評価され、ホモロジー保存は持続的図間の Wasserstein 距離を用いて評価される。
• 本手法は、位相的質の指標（WD₀、WD₁）と幾何的忠実性を組み合わせることで、ホモロジー保存と距離保存の両立を図る。

実験結果

リサーチクエスチョン

• RQ1 持続的ホモロジーなどの位相的特徴に基づいたランドマーク選定を用いることで、ホモロジー保存型次元削減を達成できるか？
• RQ2 ランダムまたは一様なランドマーク選定と比較して、ホモロジカルランドマーク選定は、低次元埋め込みにおけるホモロジーと距離の両方をどれほどよく保存できるか？
• RQ3 標準的なIsomapがループを保存できない場合に、多様体の引き裂きが、次元削減における位相的忠実性をどの程度向上できるか？
• RQ4 ホモロジカル L-Isomap の性能は、元のデータ多様体の複雑さとホモロジー的豊かさに依存するか？
• RQ5 ホモロジカルスケルトンをDRパイプラインに統合することで、幾何的正確性を損なわずに1次元ホモロジー（ループ）の保存をより良くできるか？

主な発見

• ホモロジカル L-Isomap は、21個のランドマークでさえも、標準的なIsomap やランダム L-Isomap よりも残差分散（距離）をよく保存し、42個のランドマークではIsomapと同等の性能を示す。
• ホモロジカル L-Isomap の最適なランドマーク数は約76であり、計算効率と位相的忠実性のバランスをとっている。
• Fishing Net や Octa といった複雑なデータセットでは、ホモロジカル L-Isomap は、Isomap やランダム L-Isomap に比べ、ホモロジー的特徴の保存において一貫して優れている。
• 穴のあるスイスロールのような単純な多様体では、ホモロジカル L-Isomap に顕著な利点は見られないことから、その強みは位相的に豊かなデータに集約される。
• シリンダー-5 では、多様体の引き裂きにより6つの持続的ホモロジー特徴のうち5つが保持されたが、標準的なIsomapでは6つ中5つが消失しており、優れた位相的保存が確認された。
• Airfoil1 では、最適な引き裂きにより3つのホモロジー的特徴のうち2つが保持されたが、Isomapでは3つ中3つしか保持できなかった。これは、1つの特徴を犠牲にしても引き裂きによりホモロジー保存が向上しうることを示している。