[論文レビュー] Unsupervised Space-Time Clustering using Persistent Homology

Umar Islambekov, Yulia R. Gel|arXiv (Cornell University)|Oct 25, 2019

Topological and Geometric Data Analysis参考文献 28被引用数 7

ひとこと要約

本稿では、クラスタ数を事前に指定する必要のない、形状および幾何的構造に基づいてクラスタを検出するための、トポロジカル・データ解析からの持続的ホモロジーを活用した新規な非教師あり時空間クラスタリング手法を提案する。複数のスケールでBetti数を用いて連結成分や穴といったトポロジカル特徴を追跡することで、合成データおよび実世界の水質データにおいて、K-means や階層的クラスタリング、DBSCAN よりも優れた精度を達成し、複雑な非球形クラスタ形状の検出とノイズに対するロバスト性を実現した。

ABSTRACT

This paper presents a new clustering algorithm for space-time data based on the concepts of topological data analysis and in particular, persistent homology. Employing persistent homology - a flexible mathematical tool from algebraic topology used to extract topological information from data - in unsupervised learning is an uncommon and a novel approach. A notable aspect of this methodology consists in analyzing data at multiple resolutions which allows to distinguish true features from noise based on the extent of their persistence. We evaluate the performance of our algorithm on synthetic data and compare it to other well-known clustering algorithms such as K-means, hierarchical clustering and DBSCAN. We illustrate its application in the context of a case study of water quality in the Chesapeake Bay.

研究の動機と目的

• 時空間データにおける形状および幾何的構造に基づいてクラスタを検出できる、トポロジカル・データ解析を活用した非教師ありクラスタリング手法の開発を目的とする。
• K-means や DBSCAN などの従来手法が失敗するような、任意の形状や密度の異なるクラスタを同定する課題に対処することを目的とする。
• 従来のクラスタリング手法の一般的な制限であるクラスタ数の事前指定を排除することを目的とする。
• 複雑なクラスタ構成を有する合成データおよび実世界の環境データ（特にチェサピーク・ベイの水質モニタリング）を用いた性能評価を目的とする。
• 持続的ホモロジーの内在的ノイズ耐性を活用し、ノイズへのロバスト性と摂動に対する安定性を示すことを目的とする。

提案手法

• スケールパラメータ ε を徐々に増加させることで、時空間データの点群からヴィタリス＝リップス単体複体を構築し、フィルトレーションを形成する。
• 持続的ホモロジーを用いて、連結成分（0次元）、トンネル（1次元）、空洞（2次元）などのトポロジカル特徴をスケール across で追跡し、Betti数 β₀、β₁、β₂ で要約する。
• トポロジカル特徴の持続性（つまり、スケール間でどれだけ長く続くか）を用いて、真のクラスタ構造とノイズを区別する。
• スケール間でのBetti数の変化に基づくクラスタリングルールを定義し、安定したトポロジカル特徴をクラスタ境界として特定する。
• デフォルトのチューニングパラメータ τ₀ および τ₁ を用い、空間的および時間的データの距離計測にユークリッド距離を用いる。
• 本手法は、133か所のチェサピーク・ベイにおける実世界の水質モニタリングデータ（1985–2016年）および合成データに適用され、各ステーションごとに正規化されたデータを用いる。

実験結果

リサーチクエスチョン

• RQ1 持続的ホモロジーは、クラスタ数や形状を事前に知らなくても、時空間データにおけるクラスタ検出に効果的に利用可能か？
• RQ2 本手法の性能は、複雑で非球形のクラスタ構造を有する合成データにおいて、K-means、階層的クラスタリング、DBSCAN と比較してどのように異なるか？
• RQ3 データに一様乱数ノイズを追加した場合、本手法のロバスト性はどの程度高いか？
• RQ4 本手法は、チェサピーク・ベイの水質トレンドのような実世界の環境モニタリングデータから、意味のある空間的・時間的パターンを明らかにできるか？
• RQ5 Betti数のようなトポロジカル要約は、政策的介入への反応として、特に時間経過に伴うクラスタ構造の変化をどの程度反映できるか？

主な発見

• 形状や密度が異なる13個のクラスタを有する合成データにおいて、CBN（Betti数を用いたクラスタリング）アルゴリズムはランジ指数 0.99885、ジャカード指数 0.98880 を達成し、K-means（ランジ：0.95661、ジャカード：0.62042）および階層的／DBSCAN（ランジ：0.99225、ジャカード：0.92945）を著しく上回った。
• 一様分布のランダム点200個をノイズとして追加した場合、CBNは13個すべてのクラスタを正しく同定し、わずかな誤差のみを示したが、K-means、階層的クラスタリング、DBSCAN は性能が著しく低下した。
• チェサピーク・ベイの事例研究（1985–2000年）では、CBNは7つの主要クラスタを同定した。その中で支配的だったクラスタは大部分の北側のステーションを含み、空間的に近接するステーションの周囲にサブクラスタが形成されたが、空間的事前知識は一切使用しなかった。
• 2001–2016年の期間では、最大のクラスタが主に河川の支流（例：ジェイムズ川、ポトマック川、ラッパハンォック川）に形成され、既知の回復活動と整合的であった。これは、本手法が政策による影響を反映したトレンドを捉えられることを示している。
• 2つの16年間のクラスタリング結果間のランジ指数は 0.63819 であり、中程度の構造的変化を示しており、2つのクラスタが両期間にわたり安定していた。
• 本手法は、持続的ホモロジーを用いてトンネルや空洞といったトポロジカル特徴を効果的に検出できた。Betti数の推移を用いてクラスタ境界を定義し、クラスタの安定性を検証した。