[논문 리뷰] Geometric Computations on Indecisive and Uncertain Points

Allan Grønlund Jørgensen, Maarten Löffler외 1명|arXiv (Cornell University)|2012. 05. 01.

Data Management and Algorithms참고 문헌 50인용 수 10

한 줄 요약

이 논문은 각 점이 관련 확률을 가진 유한한 가능한 위치 집합을 가진 불확실하거나 결정되지 않은 점들에 대해 기하학적 형상 피팅 분포를 효율적으로 계산하는 알고리즘을 제시한다. 일반적인 불확실한 데이터에 대한 랜덤화된 근사 알고리즘과 결정론적이고 정확한 다항시간 알고리즘을 제안하며, 이는 결정되지 않은 점들에 대한 LP-유형 문제에 대해 형상 포함 확률(SIP) 함수를 사용한다.

ABSTRACT

We study computing geometric problems on uncertain points. An uncertain point is a point that does not have a fixed location, but rather is described by a probability distribution. When these probability distributions are restricted to a finite number of locations, the points are called indecisive points. In particular, we focus on geometric shape-fitting problems and on building compact distributions to describe how the solutions to these problems vary with respect to the uncertainty in the points. Our main results are: (1) a simple and efficient randomized approximation algorithm for calculating the distribution of any statistic on uncertain data sets; (2) a polynomial, deterministic and exact algorithm for computing the distribution of answers for any LP-type problem on an indecisive point set; and (3) the development of shape inclusion probability (SIP) functions which captures the ambient distribution of shapes fit to uncertain or indecisive point sets and are admissible to the two algorithmic constructions.

연구 동기 및 목표

• 입력 점들이 불확실하거나 결정되지 않은 경우 기하학적 출력에 대한 완전한 확률 분포를 계산하는 데 도전하는 것.
• 불확실성 하에서 기하학적 문제의 해 분포를 표현하고 질의하는 실용적이고 효율적인 방법을 개발하는 것.
• 불확실한 기하학적 데이터에 대한 정확한 및 근사 계산이 다루기 쉬운 조건을 규명하는 것.
• 해의 분포를 압축하고 질의 효율성이 높은 표현으로 사용할 수 있는 형상 포함 확률(SIP) 함수를 도입하는 것.

제안 방법

• 유한한 가능한 구성으로부터 샘플링하여 불확실한 점 집합에 대한 통계의 분포를 추정하는 랜덤화된 근사 알고리즘을 제안한다.
• 모든 잠재적 기저를 나열하고 완전한 위반 테스트를 사용하여 가중치를 계산함으로써 결정론적이고 정확한 LP-유형 문제에 대한 알고리즘을 도입한다.
• 질의 형상이 불확실한 점들의 랜덤 구성에 대해 해 형상에 포함될 확률을 표현하기 위해 SIP 함수를 활용한다.
• 평면 분할 및 배열 구조를 사용하여 SIP 질의를 로그 시간 내에 효율적으로 지원하는 데이터 구조를 구축한다.
• 고정된 조합 차원을 가진 문제들, 예를 들어 최소 외접 원 문제 및 기타 LP-유형 문제에 이 프레임워크를 적용한다.
• 이론적 결과의 특정 적용을 통해 연속적인 불확실한 점 집합에 대한 $\u0000$-SIP 함수로 접근을 확장한다.

실험 결과

연구 질문

• RQ1 입력 점들이 불확실하거나 결정되지 않은 경우 기하학적 출력(예: 형상 매개변수)의 전체 확률 분포를 계산할 수 있는가?
• RQ2 어떤 기하학적 문제의 범주에서 불확실성 하에서 해 분포를 효율적이고 정확하게 계산할 수 있는가?
• RQ3 어떻게 하면 해 형상의 분포를 압축적이고 효율적으로 표현하고 질의할 수 있는가?
• RQ4 불확실한 기하학적 데이터의 분포를 계산할 때 근사성과 정확성 사이의 상호 교환 관계는 무엇인가?
• RQ5 결정되지 않은 점들에 대해 복잡한 기하학적 형상의 분포를 계산하는 다항시간 알고리즘이 존재하는가?

주요 결과

• 불확실한 데이터 세트에 대한 통계의 분포를 계산하기 위한 랜덤화된 근사 알고리즘이 제안되었으며, 실용적인 확장성과 함께 제공된다.
• 결정되지 않은 점들에 대한 LP-유형 문제에 대해 결정론적이고 정확한 다항시간 알고리즘이 개발되었으며, 시간 복잡도는 $O((nk)^{\beta+1})$이고 공간 복잡도는 $O((nk)^{\beta})$이다. 여기서 $n$은 점의 수, $k$는 점당 위치 수, $\beta$는 조합 차원이다.
• 형상 포함 확률(SIP) 함수는 해 분포의 압축된 표현을 가능하게 하며, $O(\text{poly}(nk))$ 시간 내에 정확한 질의를 지원한다.
• SIP 질의를 위한 최적화된 데이터 구조는 평면 분할을 사용하여 $O(\text{poly}(nk))$의 전처리 시간과 $O(\text{polylog}(nk))$의 질의 시간을 달성한다.
• 지름 문제의 경우 단일 출력 분포 값 계산조차도 #P-난이도임이 입증되어 일부 문제에 대해 본질적으로 다루기 어려운 성질을 가짐을 보였다.
• 연속적인 불확실한 점 집합에 대한 $\u0000$-SIP 함수로 프레임워크를 확장하여 특정 불확실성 모델 하에서 결정론적 근사를 가능하게 하였다.