[논문 리뷰] Probabilistic Fréchet Means and Statistics on Vineyards.

Elizabeth Munch, Paul Bendich외 4명|arXiv (Cornell University)|2013. 07. 24.

Topological and Geometric Data Analysis참고 문헌 24인용 수 7

한 줄 요약

이 논문은 지속 다이어그램에 대한 프레셰 평균의 확률적 개선을 제안하며, 허들러 연속성을 보장하기 위해 변형된 다이어그램들 위의 원자 측도들의 가중합으로 정의한다. 이 방법은 연속적으로 변화하는 다이어그램 집합에서의 평균 계산 시 발생하는 불연속성을 해결함으로써 빈야드에서의 안정적인 통계 분석을 가능하게 한다.

ABSTRACT

In order to use persistence diagrams as a true statistical tool, it would be very useful to have a good notion of mean and variance for a set of diagrams. In [20], Mileyko and his collaborators made the first study of the properties of the Frechet mean in (Dp,Wp), the space of persistence diagrams equipped with the p-th Wasserstein metric. In particular, they showed that the Frechet mean of a finite set of diagrams always exists, but is not necessarily unique. As an unfortunate consequence, one sees that the means of a continuously-varying set of diagrams do not themselves vary continuously, which presents obvious problems when trying to extend the Frechet mean definition to the realm of vineyards. We fix this problem by altering the original definition of Frechet mean so that it now becomes a probability measure on the set of persistence diagrams; in a nutshell, the mean of a set of diagrams will be a weighted sum of atomic measures, where each atom is itself the (Frechet mean) persistence diagram of a perturbation of the input diagrams. We show that this new definition defines a (Holder) continuous map, for each k, from (Dp) k → P (Dp), and we present several examples to show how it may become a useful statistic on vineyards.

연구 동기 및 목표

• 빈야드에 적용할 때 지속 다이어그램의 표준 프레셰 평균에서 발생하는 불연속성 문제를 해결하기 위해.
• p-번째 워샤르슈타인 거리 하에서 지속 다이어그램 집합에 대한 안정적이고 연속적인 통계 평균을 개발하기 위해.
• 입력 다이어그램이 연속적으로 변화하는 동적 환경(예: 빈야드)에서 평균 기반 통계를 사용할 수 있도록 하기 위해.
• 평균 사상이 허들러 연속성이 되도록 보장하여 강력한 통계 추론을 가능하게 하기 위해.

제안 방법

• 지속 다이어그램 공간 위의 확률 측도로 확률적 프레셰 평균을 정의한다.
• 각 입력 다이어그램 집합의 변형된 버전의 프레셰 평균에 해당하는 원자 측도들의 가중합으로 평균을 구성한다.
• 입력 다이어그램의 변형을 이용해 다수의 후보 평균을 생성함으로써 다양성과 안정성을 확보한다.
• 결과로 얻어진 평균 사상이 (Dp)^k에서 P(Dp), 즉 Dp 위의 확률 측도 공간으로의 허들러 연속성임을 증명한다.
• 입력 다이어그램이 시간에 따라 연속적으로 변화하는 빈야드에 이 방법을 적용한다.
• 이론적 분석과 예시를 통해 입력 다이어그램의 미세한 변화에 대한 평균의 연속성과 안정성을 입증한다.

실험 결과

연구 질문

• RQ1 입력 다이어그램이 시간에 따라 매끄럽게 변화하는 빈야드의 맥락에서 지속 다이어그램에 대해 연속적인 평균을 정의할 수 있는가?
• RQ2 표준 프레셰 평균의 비유일성과 불연속성을 어떻게 해결하여 신뢰할 수 있는 통계 분석을 가능하게 할 수 있는가?
• RQ3 특히 연속성과 안정성 측면에서, 변형된 다이어그램들 위의 확률적 평균이 어떤 성질을 갖는가?
• RQ4 제안된 방법이 평균화 과정에서 원본 다이어그램의 위상 정보를 어느 정도 유지하는가?
• RQ5 확률적 평균은 동적 위상 데이터 분석에서 효과적인 통계 요약으로 사용될 수 있는가?

주요 결과

• 제안된 확률적 프레셰 평균은 (Dp)^k에서 P(Dp)로의 허들러 연속성 사상이며, 표준 프레셰 평균의 불연속성 문제를 해결한다.
• 평균은 각각 입력 다이어그램 집합의 변형된 버전의 프레셰 평균에 중심을 둔 원자 측도들의 가중합으로 정의된다.
• 입력 다이어그램의 미세한 변화가 결과 평균 측도에 대해 작고 제어 가능한 변화를 유도함을 보장한다.
• 시간에 따라 변화하는 다이어그램 시퀀스에서 평균 계산의 연속성을 보장함으로써 이 방법은 빈야드에서의 안정적인 통계 분석을 가능하게 한다.
• 이론적 결과와 예시를 통해 확률적 평균이 고전적 프레셰 평균에 비해 강력하고 연속적인 대안임을 확인한다.