[論文レビュー] On the Sensitivity of Shape Fitting Problems

Kasturi Varadarajan, Xin Xiao|arXiv (Cornell University)|Sep 21, 2012

Industrial Vision Systems and Defect Detection参考文献 1被引用数 15

ひとこと要約

本稿は、$k$-メディアン/メーンズ、$k$-ラインクラスタリング、$j$-部分空間近似を含む$(j,k)$-プロジェクティブクラスタリング問題における次元に依存しない上界を確立する。次元削減と感度解析を活用することで、$z \in [1,2)$ の場合に $O(j^{3+z}d\epsilon^{-2})$ の $ε$-コアセットを導出する。これは先行研究を著しく簡素化し、多倍率の整数グリッドインスタンスへのコアセット構築を拡張する。

ABSTRACT

In this article, we study shape fitting problems, $ε$-coresets, and total sensitivity. We focus on the $(j,k)$-projective clustering problems, including $k$-median/$k$-means, $k$-line clustering, $j$-subspace approximation, and the integer $(j,k)$-projective clustering problem. We derive upper bounds of total sensitivities for these problems, and obtain $ε$-coresets using these upper bounds. Using a dimension-reduction type argument, we are able to greatly simplify earlier results on total sensitivity for the $k$-median/$k$-means clustering problems, and obtain positively-weighted $ε$-coresets for several variants of the $(j,k)$-projective clustering problem. We also extend an earlier result on $ε$-coresets for the integer $(j,k)$-projective clustering problem in fixed dimension to the case of high dimension.

研究の動機と目的

• 形状適合問題における点の感度を分析すること、特に$(j,k)$-プロジェクティブクラスタリングを対象とする。
• $j$-部分空間適合および関連問題における総感度の次元に依存しない上界を導出すること。
• $k$-メディアン/メーンズおよび整数$(j,k)$-プロジェクティブクラスタリングのための小さな正の重み付き $ε$-コアセットを構築すること。
• 感度に基づくサンプリングと次元削減技術を用いて、先行のコアセット構築を簡素化・一般化すること。
• 多倍率の整数グリッド点集合（座標が多項式的に有界）に対してもコアセット結果を拡張すること。

提案手法

• 最適な$k$-タプルの$j$-フラットが張る低次元部分空間への射影により、次元削減の議論を用いて総感度をバウンドする。
• 感度解析を適用し、$\sigma_P(p) = \sup_{F \in \mathcal{F}} \text{dist}(p,F)/\text{dist}(P,F)$ をバウンドし、総感度 $\mathfrak{S}_P$ を得る。
• 定理3.2および推論6.6を用いて次元に依存しない感度バウンドを導出し、$1 \leq z < 2$ の場合に $\mathfrak{S}_P = O(j^{1+z/2})$、$z=2$ の場合に $O(j)$、$z>2$ の場合に $O(j^z)$ であることを示す。
• 感度に比例する確率で点をサンプリングすることで $ε$-コアセットを構築し、定理2.4のコアセットサイズバウンドを用いる。
• 整数$(j,k)$-プロジェクティブクラスタリングを扱う際には、射影座標を整数に丸めることで、感度バウンドが定数倍の要因で保たれることを保証する。
• 射影点集合が $O(jk)$-次元部分空間上にあることを利用し、整数グリッドインスタンスでは $\mathfrak{S}_P = O((\log n)^{f(k,j)})$ とバウンドする。

実験結果

リサーチクエスチョン

• RQ1 $j$-部分空間適合の総感度のタイトな上界は、$j$ および $z$ の関数としてどのように表されるか？
• RQ2 次元削減を用いて、$k$-メディアン/メーンズおよび $k$-ラインクラスタリングの次元に依存しない感度バウンドを導出可能か？
• RQ3 多倍率において、整数$(j,k)$-プロジェクティブクラスタリングの $ε$-コアセットのサイズはどの程度か？
• RQ4 感度に基づくサンプリングは、コアセットサイズおよび $d$ への依存性において、先行のコアセット構築と比較してどのように異なるか？
• RQ5 固定された $j$ および $k$ に対して、高次元設定でも総感度を $d$ に依存せずにバウンド可能か？

主な発見

• $j$-部分空間適合の総感度は、$1 \leq z < 2$ の場合に $O(j^{1+z/2})$、$z=2$ の場合に $O(j)$、$z>2$ の場合に $O(j^z)$ であり、次元 $d$ に依存しない。
• $z \in [1,2)$ の場合、$j$-部分空間適合に対して $O(j^{3+z}d\epsilon^{-2})$ の $ε$-コアセットが存在し、感度における明示的な $d$-依存性を排除することで、先行のバウンドを改善する。
• $z=2$ の場合、コアセットサイズは $O(j^3 d \epsilon^{-2})$ であり、$j=d-1$ および $z=2$ の場合に既知のバウンドと一致する。
• 座標が $[-n^c, n^c]^d$ に収まる整数$(j,k)$-プロジェクティブクラスタリングに対して、総感度は $O((\log n)^{f(k,j)})$ である。ここで $f(k,j)$ は $k$ および $j$ のみに依存する。
• 多倍率において、整数$(j,k)$-プロジェクティブクラスタリングに対して $O((\log n)^{2f(k,j)} k j d \epsilon^{-2})$ の $ε$-コアセットが存在する。
• 本手法は、$k$-メディアン/メーンズのための先行コアセット構築を簡素化し、問題を低次元射影上の感度解析に還元することで実現する。