[논문 리뷰] Partition distances

Giovanni Rossi|arXiv (Cornell University)|2011. 06. 22.

Digital Image Processing Techniques참고 문헌 11인용 수 6

한 줄 요약

이 논문은 부분집합에서 분할로 일반화된 지표-해밍(Hamming) 거리(IH 거리)를 포함한 새로운 분할 거리 측도를 소개한다. 이는 두 분할 중 정확히 하나에만 포함된 원소를 세는 방식으로, 분할의 원소 수준에서의 차이를 정량화한다. IH 거리는 기존 측도들보다 훨씬 넓은 범위를 가지며, 특히 분할 레이스의 중간 수준에서 가장 세밀하고 정밀한 성질을 지닌다.

ABSTRACT

Alternative novel measures of the distance between any two partitions of a n-set are proposed and compared, together with a main existing one, namely 'partition-distance' D(.,.). The comparison achieves by checking their restriction to modular elements of the partition lattice, as well as in terms of suitable classifiers. Two of the new measures obtain through the size, a function mapping every partition into the number of atoms finer than that partition. One of these size-based distances extends to geometric lattices the traditional Hamming distance between subsets, when these latter are regarded as hypercube vertexes or binary n-vectors. After carefully framing the environment, a main comparison finally results from the following bounding problem: for every value k, with 0

연구 동기 및 목표

• 분할 레이스의 구조적 관계를 유지하는 새로운 조합 기반 분할 간 거리 측도를 개발하여, 기존 해밍 거리가 부분집합 관계를 유지하는 방식과 유사하게 작동하도록 한다.
• 제안된 측도—특히 지표-해밍(IH) 거리—를 기존의 분할 거리 측도들과 비교한다. 이는 전통적인 분할-거리 $D(P,Q)$ 및 순위 기반/크기 기반 거리 측도를 포함한다.
• 모듈러 원소와 대표적인 분할 쌍에서의 행동을 분석함으로써 각 거리 측도의 범위와 특성을 평가하여 정밀도와 세밀함을 평가한다.
• 고정된 $D(P,Q) = k$ 값에 대해 IH 거리의 이론적 범위를 도출하여, 분할 간 미세한 차이에 대한 민감도가 뛰어나다는 점을 입증한다.
• 지표-해밍 거리를 부분집합 레이스에서의 해밍 거리에 대한 충실한 유사체로 프레임워크화하며, 원소와 크기 함수를 사용하여 기하 레이스 호환성을 달성한다.

제안 방법

• 지표-해밍(IH) 거리를 $\delta^{IH}(P,Q) = \sum_{B \in \mathcal{P}^N_1} \left| \{i \in B \mid \text{정확히 하나의 } P,Q \text{가 } i \text{를 포함} \} \right|$ 로 정의한다. 이는 두 분할 중 정확히 하나에만 속하는 원소를 세는 방식이다.
• 크기 함수 $s(P)$를 정의하여, $P$보다 더 세밀한 원소의 수로 정의함으로써 크기 기반 거리를 구성한다. 이는 순위 기반 거리와 유사하지만, $P$의 조인 표현에서 사용 가능한 원소의 최대 수를 기반으로 한다.
• 블록과 원소 간 이분 그래프 $G_m$의 근사적 구성 방법을 사용하여 IH 거리를 특성화한다. 이때 가중치 함수 $w_{m+1}$는 블록 크기와 간선 수의 이항계수에 기반하여 가중치를 할당한다.
• 순서화된 이분 그래프 $G_0, \dots, G_k$를 최적화하여 $D(P,Q) = k$ 일 때 $\delta^{IH}(P,Q)$ 의 하한과 상한을 도출한다. 이는 최종 가중 기여의 합을 최소화 및 최대화하는 방식으로 수행된다.
• 비교 분석을 위해 모든 거리 측도를 $[0,1]$ 범위로 정규화한다. $\hat{\delta}(P,Q) = 1 - \frac{1}{1 + \delta(P,Q)}$ 를 사용하여 상대적 정밀도와 범위를 평가한다.
• 보완 가능한 레이스의 맥락에서 모든 거리에 분류기 적용을 통해 모듈러 원소에서의 행동을 평가하고, 분할 간 차이를 구분하는 데의 적합성을 평가한다.

실험 결과

연구 질문

• RQ1 부분집합 간 해밍 거리를 분할 레이스로 충실하게 일반화할 수 있는 방법은 무엇인가? 이는 대칭 차집합과 레이스 순서 구조를 유지해야 한다.
• RQ2 고정된 분할-거리 $D(P,Q) = k$ 를 가진 모든 분할 쌍에 대해 지표-해밍 거리 $\delta^{IH}(P,Q)$ 의 범위는 무엇인가?
• RQ3 해스 다이어그램의 중간 수준에서 IH 거리는 다른 분할 거리 측도들에 비해 얼마나 세밀하고 민감한가?
• RQ4 순위 기반 및 크기 기반 거리 측도는 서로 다른 보완을 가진 비모듈러 분할을 얼마나 잘 구분하지 못하는가?
• RQ5 분할을 이진 $\binom{n}{2}$-벡터로 표현할 경우, 스칼라 곱을 통해 IH 거리를 효율적으로 계산할 수 있는가?

주요 결과

• 지표-해밍(IH) 거리는 고려된 모든 거리 측도 중에서 가장 넓은 범위를 가지며, $n \geq 3$ 일 때 최대값으로 $\binom{n}{2} - 1$ 을 기록한다. 이는 다른 측도들보다 크게 초월한다.
• 모든 고정된 $k = D(P,Q)$ 에 대해 IH 거리 $\delta^{IH}(P,Q)$ 는 엄격히 유계된 최소값과 최대값을 가지며, 이는 블록과 원소 간 이분 그래프에 대한 근사적 알고리즘을 통해 유도된다.
• 크기 함수 $s(P)$는 $P$보다 더 세밀한 원소의 수로 정의되며, 엄밀히 단조 증가하고 초모듈러적(super-modular)이므로, 크기 기반 거리 측도의 견고한 기초를 제공한다.
• IH 거리는 기하 레이스에서의 선형 종속성을 완전히 활용하고 원소 수준에서의 차이를 세므로, 순위나 크기 기반 측도와 달리 가장 세밀하고 정밀한 것으로 입증된다.
• 정규화된 IH 거리 $\hat{\delta}^{IH}$ 는 $[0,1]$ 내에서 가장 큰 이미지 $R(\hat{\delta}^{IH})$ 를 가지며, 이는 서로 다른 분할 쌍을 구분하는 데서 뛰어난 능력을 지닌다.
• 분할이 이진 $\binom{n}{2}$-벡터로 표현될 경우, IH 거리는 스칼라 곱 $\delta^{IH}(P,Q) = \langle I_P, I_Q \rangle$ 로 효율적으로 계산할 수 있어 빠른 계산이 가능하다.