[논문 리뷰] Graphical modelling of multivariate spatial point processes

Matthias Eckardt|arXiv (Cornell University)|2016. 07. 24.

Morphological variations and asymmetry참고 문헌 45인용 수 5

한 줄 요약

이 논문은 조건부 부분 스펙트럼 공액도를 사용하여 다변량 공간점과정 내의 전역 조건부 상관관계를 포착하는 새로운 비모수 그래픽 모델인 공간의존성 그래프 모델(SDGM)을 제안한다. 스펙트럼 공액도 임계값을 통해 간선을 식별함으로써, 도난 관련 범죄 집합이나 고립된 범죄 유형과 같은 직접적 의존 구조를 드러내어 고차원 공간 데이터에 대한 전통적인 이변량 또는 차원 축소 방법에 대한 종합적인 비모수적 대안을 제공한다.

ABSTRACT

This paper proposes a novel graphical model, termed the spatial dependence graph model, which captures the global dependence structure of different events that occur randomly in space. In the spatial dependence graph model, the edge set is identified by using the conditional partial spectral coherence. Thereby, nodes are related to the components of a multivariate spatial point process and edges express orthogonality relation between the single components. This paper introduces an efficient approach towards pattern analysis of highly structured and high dimensional spatial point processes. Unlike all previous methods, our new model permits the simultaneous analysis of all multivariate conditional interrelations. The potential of our new technique to investigate multivariate structural relations is illustrated using data on forest stands in Lansing Woods as well as monthly data on crimes committed in the City of London.

연구 동기 및 목표

• 고차원 다변량 공간점과정에서 전역 조건부 상관관계를 분석하기 위한 효율적인 탐색적 방법의 부족을 해결하기 위해.
• 기존의 단변량 또는 이변량 방법이 다중 구성요소 간의 동시에 발생하는 복잡한 상호의존성을 포착하지 못하는 한계를 극복하기 위해.
• 주파수 도메인 성질을 활용하여 조건부 수직성과 직접적 의존 구조를 코딩하는 비모수 그래픽 모델을 개발하기 위해.
• 실제 데이터셋인 범죄 사례와 산림 단지와 같은 복잡한 공간 의존성 구조를 시각화하고 해석하기 위한 확장 가능한 프레임워크를 제공하기 위해.

제안 방법

• 조건부 부분 스펙트럼 공액도를 통해 간선를 식별하는 비방향 그래픽 모델인 공간의존성 그래프 모델(SDGM)을 제안하며, 노드는 d변량 공간점과정의 구성요소를 나타내고 간선는 조건부 의존성을 나타낸다.
• 조건부 부분 스펙트럼 공액도를 사용하여 간선를 식별하며, 절대 스케일링된 역스펙트럼 행렬의 Supremum이 0.4 이하일 경우 간선가 존재하지 않는다(임계값 α = 0.4).
• 공분산 구조를 사인 및余현 성분으로 분해하기 위해 주파수 도메인에서 스펙트럼 분석을 수행하여 조건부 의존성을 비모수적으로 추정한다.
• 실제 두 데이터셋에 적용: 런던의 14개 범죄 유형(2015년 4월)과 랭스링우드 산림 단지의 산림 단지 데이터로, 529개 주파수 쌍에 걸쳐 14×14 스펙트럼 행렬을 사용한다.
• 각 주파수에서 스펙트럼 행렬을 역행렬화하고 임계값을 적용하여 간선 존재 여부를 결정함으로써, 간선가 잡음이 아닌 유의미한 조건부 의존성을 반영하도록 보장한다.
• 결과 그래프를 시각화하여 삼각형, 완전 부분그래프, 고립된 노드 등의 하위구조를 식별함으로써 조건부 독립성 또는 상호의존성을 파악한다.

실험 결과

연구 질문

• RQ1 다변량 공간점과정의 다수 구성요소 간 전역 조건부 상관관계를 동시에 모델링하고 시각화할 수 있는가?
• RQ2 공간점과정에서 직접적 의존성과 간접적 의존성을 효과적으로 구분할 수 있는 스펙트럼 기반 측도는 무엇인가?
• RQ3 부분 스펙트럼 공액도에 기반한 비모수 그래픽 모델이 고차원 공간 데이터에서 의미 있는 구조적 패턴을 드러낼 수 있는가?
• RQ4 기존의 이변량 또는 차원 축소 접근법과 비교해 복잡한 공간 상호의존성을 포착하는 데 있어 결과적으로 유도된 의존성 그래프는 어떻게 다른가?
• RQ5 SDGM을 범죄 데이터와 산림 생태학 데이터에 적용했을 때 실세계의 구조적 패턴은 무엇이 드러나는가?

주요 결과

• 런던의 범죄 데이터에서 SDGM은 8개의 범죄 유형(예: 상점절도, 강도, 마약, 사람에게서의 도난)으로 구성된 하위그래프를 식별하였으며, 다른 요소들을 조건으로 하면 상점절도는 오직 강도에 의존하는 것으로 나타났다.
• 두 개의 삼각형 하위구조를 탐지: (1) 강도, 마약, 사람에게서의 도난; (2) 강도, 차량범죄, 기타 도난으로, 이들 세 요소 간 상호 조건부 의존성이 확인되었다.
• 네 개의 노드로 이루어진 완전 부분그래프(마약, 사람에게서의 도난, 차량범죄, 강도)는 이 범죄 유형들 간의 완전한 상호의존성을 드러냈다.
• 공공질서, 자전거 도난, 범죄 및 화재, 폭력 및 성범죄 4개의 범죄 유형이 고립되어 있었으며, 이는 다른 어떤 유형과도 조건부 의존성이 없음을 의미한다.
• 랭스링우드 산림 데이터에서는 SDGM이 수종 간의 복잡한 공간 의존성을 성공적으로 포착하여 생태학적 경쟁과 공존 패턴과 일치하는 패턴을 드러냈다.
• SDGM은 기존의 이변량 방법보다 더 높은 차원의 동시 조건부 관계를 포착하여 모든 구성요소 간의 이변량 관계를 넘어서는 복잡한 공간 상호의존성을 드러내었다.