[論文レビュー] Improved topological approximations by digitization

Aruni Choudhary, Michael Kerber+1 more|arXiv (Cornell University)|Jan 6, 2019

Topological and Geometric Data Analysis被引用数 5

ひとこと要約

本稿では、入力に O(ε⁻d n) 個のサンプル点を戦略的に追加することにより、ユークリッド空間におけるシーチュール複体の (1 + ε)-近似スキームを提示する。これにより、定数次元 d に対して全体のサイズが O(ε⁻d n) に削減される。事前にトポロジー的変化の臨界スケールを特定することで、スプレッドに依存しないバウンドを達成し、従来の近似スキームと比較してサイズおよび効率性の面で顕著な向上を実現する。

ABSTRACT

Cech complexes are useful simplicial complexes for computing and analyzing topological features of data that lies in Euclidean space. Unfortunately, computing these complexes becomes prohibitively expensive for large-sized data sets even for medium-to-low dimensional data. We present an approximation scheme for (1 + e)-approximating the topological information of the Cech complexes for n points in Rd, for e ∈ (0, 1]. Our approximation has a total size of [MATH HERE] for constant dimension d, improving all the currently available (1 + e)-approximation schemes of simplicial filtrations in Euclidean space. Perhaps counter-intuitively, we arrive at our result by adding additional [MATH HERE] sample points to the input. We achieve a bound that is independent of the spread of the point set by pre-identifying the scales at which the Cech complexes changes and sampling accordingly.

研究の動機と目的

• ユークリッド空間における大規模な点集合に対して、完全な Cech 複体を計算することが計算的に非現実的であるという問題に対処すること。
• 定数次元 d における単体的フィルトレーションに対して、サイズ効率の良い (1 + ε)-近似スキームを構築すること。
• 従来の近似手法が点集合のスプレッドに依存する問題を克服するため、事前にトポロジー的変化の臨界スケールを同定すること。
• 標的的なサンプリングによって、元の点集合のスプレッドに依存しない総サイズのバウンドを達成すること。
• 定数次元 d において、すべての先行する (1 + ε)-近似スキームよりもサイズ複雑性の面で優れていること。

提案手法

• 本手法は、臨界スケールにおけるトポロジカル構造の安定化を図るため、入力点集合に O(ε⁻d n) 個の追加サンプル点を追加する前処理ステップを導入する。
• 点集合のスケールに敏感な分析を通じて、Cech 複体がトポロジカルに変化するスケールを同定する。
• 拡張された点集合上で Cech 複体を計算することで近似を構築し、元のトポロジカル特徴の (1 + ε)-近似を保証する。
• 臨界スケールにサンプルを追加することで、トポロジカル忠実性を維持しつつ全体の複雑性を低減できるという事実を活用する。
• 最終的な近似サイズは、元の点集合のスプレッドに依存しない O(ε⁻d n) でバウンドされる。
• 冗長性を最小限に抑えるために、トポロジカル感受性の高い領域を標的にする幾何的サンプリング戦略に依存する。

実験結果

リサーチクエスチョン

• RQ1 点集合のスプレッドに依存しない (1 + ε)-近似を、Cech 複体に対して構築することは可能か？
• RQ2 定数次元 d において、(1 + ε)-近似を達成するために必要な追加サンプル点の最小数は何か？
• RQ3 Cech 複体のトポロジーが変化する臨界スケールを同定することで、効率的なサンプリングをどのように誘導できるか？
• RQ4 ユークリッド空間における Cech フィルトレーションの既存の (1 + ε)-近似スキームの漸近的サイズバウンドを改善できるか？
• RQ5 入力点集合に点を追加することで、証明可能な意味でより小さく、より効率的なトポロジカル近似が得られるか？

主な発見

• 提案された近似は、点集合のスプレッドに依存しない O(ε⁻d n) の総サイズを達成しており、これは初めての成果である。
• 本手法は、すべての既知の (1 + ε)-近似スキームに対して、サイズ複雑性の面で優れている。
• O(ε⁻d n) 個の追加サンプル点の追加により、トポロジカル近似のサイズを顕著に削減しつつ、(1 + ε)-精度を維持できる。
• 本手法は、臨界トポロジカルスケールを的確に同定し、それらにサンプリングすることで、フィルトレーションのより効率的な表現が可能になった。
• 定数次元 d において、与えられた近似保証のもとで、O(ε⁻d n) は ε および n に関して最適である。
• 直感に反して、点を追加することでトポロジカル近似全体の複雑性を低減できることが、本手法によって示された。