[論文レビュー] Proportionally Fair Clustering Revisited

Joseph L. Cox, Michael B. Partensky|arXiv (Cornell University)|Jan 12, 2007

Experimental and Theoretical Physics Studies参考文献 1被引用数 7

ひとこと要約

本稿では、逆平方則に従う信号を用いた平面的源局所化における一意でない問題（非一意性問題）を、アポロニウスの円を用いた幾何学的解法によって解決する。実源と偽の源が、3つの検出器を通過する円に関して逆点であることを示し、その円から外れた第4の検出器を用いることで、一意的な源同定が可能になる。これにより、逆平方則に従う信号を扱う逆問題における曇りを解消する。

ABSTRACT

In this work, we study fairness in centroid clustering. In this problem, k cluster centers must be placed given n points in a metric space, and the cost to each point is its distance to the nearest cluster center. Recent work of Chen et al. [Chen et al., 2019] introduces the notion of a proportionally fair clustering, in which no group of at least n/k points can find a new cluster center which provides lower cost to each member of the group. They propose a greedy capture algorithm which provides a 1+√2 approximation of proportional fairness for any metric space, and derive generalization bounds for learning proportionally fair clustering from samples in the case where a cluster center can only be placed at one of finitely many given locations in the metric space. We focus on the case where cluster centers can be placed anywhere in the (usually infinite) metric space. In case of the L² distance metric over ℝ^t, we show that the approximation ratio of greedy capture improves to 2. We also show that this is due to a special property of the L² distance; for the L¹ and L^∞ distances, the approximation ratio remains 1+√2. We provide universal lower bounds which apply to all algorithms. We also consider metric spaces defined on graphs. For trees, we show that an exact proportionally fair clustering always exists and provide an efficient algorithm to find one. The corresponding question for general graph remains an interesting open question. Finally, we show that for the L² distance, checking whether a proportionally fair clustering exists and implementing greedy capture over an infinite metric space are NP-hard problems, but (approximately) solvable in special cases. We also derive generalization bounds which show that an approximately proportionally fair clustering for a large number of points can be learned from a small number of samples. Our work advances the understanding of proportional fairness in clustering, and points out many avenues for future work.

研究の動機と目的

• 3つの検出器を用いた平面的源局所化問題における非一意性（曇り）を解消すること。
• 逆平方則に従う逆問題において、実源と偽の源の間の幾何学的関係を特定すること。
• 幾何学的逆点と追加の検出器を活用することで、真の源を一意に同定する手法を提供すること。
• 検出器を同一円周上に配置しても曇りが解消されないが、円から外れた第4の検出器を追加すれば解消できることを示すこと。
• 放射性源検出やGPSに類似した局所化といった現実世界の問題に適用可能な、明確で直感的な幾何学的フレームワークを提供すること。

提案手法

• 2つの固定点からの距離比が一定値 γ に等しい点の軌跡として、アポロニウスの円を用いる。
• 逆平方則を適用し、検出器における信号強度と源までの距離の関係を比例関係で表現することで、比に基づく局所化を可能にする。
• 検出器のペア（例：AとB、AとC）に対してアポロニウスの円を定義し、|SA|:|SB| = 1:2 および |SA|:|SC| = 1:3 を満たす点を特定する。
• 2つのこのような円の交点を候補となる源位置とし、2つの解が得られることを明らかにする。
• 幾何学的逆点を導入：実源 S と偽の源 S′ は、3つの検出器を通過する円 L に関して逆点の関係にある。
• 円 L の外側に配置された第4の検出器を用い、複数の検出器トリオにおける整合性を満たすことで真の源を特定する。

実験結果

リサーチクエスチョン

• RQ1 なぜ3つの全方向的検出器を用いた平面的源局所化の逆問題が2つの解を生じるのか？
• RQ2 このような局所化問題において、実源と偽の源の間にはどのような幾何学的関係があるのか？
• RQ3 追加の検出器を用いることで、源局所化の曇りを解消できるか。もし可能であれば、その方法は何か？
• RQ4 同一円周上に配置された検出器配置が、源局所化における非一意性を解消できないのはなぜか？
• RQ5 アポロニウスの円は、逆信号局所化問題を解くために、なぜ明確で直感的なフレームワークを提供するのか？

主な発見

• 実源と偽の源は、3つの検出器を通過する円に関して逆点の関係にあり、その円は両者にとってのアポロニウスの円として機能する。
• 実源の逆点に位置する偽の源は、逆平方則と幾何学的対称性の両により、3つの検出器すべてで同一の信号強度を発生させる。
• 比 γ = 1/2 に対するAとBのペアのアポロニウスの円の半径は正確に1マイルであり、|AB| = 1.5マイルの条件下で、Aの南0.5マイルの位置に中心がある。
• 比 γ = 1/3 に対するA–Cペアのアポロニウスの円は、半径0.75マイル、中心はAの西0.25マイルの位置にある。
• A–BおよびA–Cの2つのアポロニウスの円の交点として得られる2つの候補位置のうち、空間的文脈（例：内陸 vs. 海上位置）に基づき1つが除外される。
• 元の円上にない第4の検出器を追加することで、2つの異なる検出器トリオにおける共通解を特定でき、偽の解 S′ および S′′ が除外され、源の同定が一意に可能になる。