[논문 리뷰] Unsupervised Space-Time Clustering using Persistent Homology

Umar Islambekov, Yulia R. Gel|arXiv (Cornell University)|2019. 10. 25.

Topological and Geometric Data Analysis참고 문헌 28인용 수 7

한 줄 요약

이 논문은 클러스터 수를 사전에 알지 못하는 조건에서 형태와 기하학적 구조를 기반으로 클러스터를 탐지하기 위해 위상 데이터 분석에서 유도된 지속 호몰로지(persistent homology)를 활용하는 새로운 비지도 공간-시간 클러스터링 알고리즘을 제안한다. 다양한 척도에서 연결 성분과 구멍과 같은 위상적 특징을 추적하기 위해 베티 수(Betti numbers)를 사용하여 다중 척도 분석을 수행함으로써, 합성 데이터와 실제 수질 데이터에서 K-means, 계층적 클러스터링, DBSCAN보다 뛰어난 정확도를 달성하며, 비구형 클러스터 형태를 탐지하고 노이즈에 대한 강건성을 유지한다.

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.

연구 동기 및 목표

• 공간-시간 데이터에서 형태와 기하학적 구조를 기반으로 클러스터를 탐지하기 위해 위상적 데이터 분석을 활용하는 비지도 클러스터링 알고리즘을 개발하는 것.
• 기존 방법인 K-means나 DBSCAN이 실패하는 경우에도 임의의 형태와 다양한 밀도를 가진 클러스터를 식별하는 데 도전하는 것.
• 기존 클러스터링 접근 방식에서 흔한 한계인 클러스터 수를 사전에 지정해야 하는 요구를 제거하는 것.
• 합성 데이터에서 복잡한 클러스터 구성과 실제 환경 데이터, 특히 샬러프 테이크 베이(Chesapeake Bay)의 수질 모니터링 데이터에서의 성능을 평가하는 것.
• 지속 호몰로지의 내재된 노이즈 내성 특성을 활용하여 노이즈에 대한 강건성과 변동에 대한 안정성을 입증하는 것.

제안 방법

• 스케일 매개변수 ε를 점차 증가시키며 공간-시간 데이터의 점군(point cloud)으로부터 비에토리스-립스 심플렉스 복합체(Vietoris-Rips simplicial complex)를 구축함으로써 필터링을 형성한다.
• 지속 호몰로지(persistent homology)를 적용하여 다양한 척도에서 연결 성분(0차원), 터널(1차원), 공동체(2차원)와 같은 위상적 특징을 추적하며, 이를 베티 수 β₀, β₁, β₂로 요약한다.
• 위상적 특징의 지속성(즉, 척도 간 지속 기간)을 이용하여 진짜 클러스터 구조와 노이즈를 구분한다.
• 스케일 간 베티 수의 변화를 기반으로 클러스터링 규칙를 정의하여 안정적인 위상적 특징을 클러스터 경계로 식별한다.
• 기본 조정 파rameter τ₀와 τ₁를 사용하여 알고리즘을 구현하며, 공간적 및 시간적 데이터의 거리 계산에 유클리드 거리를 사용한다.
• 이 방법은 합성 데이터와 1985~2016년 동안 133개의 정류장에서 수집된 샬러프 테이크 베이의 실제 수질 모니터링 데이터에 적용되었으며, 각 정류장별로 데이터를 정규화하였다.

실험 결과

연구 질문

• RQ1 지속 호몰로지가 클러스터 수나 형태를 사전에 알지 못하는 공간-시간 데이터에서 효과적으로 클러스터를 탐지하는 데 사용될 수 있는가?
• RQ2 제안된 클러스터링 방법은 비구형이고 복잡한 클러스터 형태를 가진 합성 데이터에서 K-means, 계층적 클러스터링, DBSCAN과 비교해 어떻게 성능을 발휘하는가?
• RQ3 데이터에 균일한 랜덤 노이즈를 추가했을 때, 이 방법의 강건성은 어느 정도인가?
• RQ4 이 방법은 샬러프 테이크 베이의 수질 추세와 같은 실제 환경 모니터링 데이터에서 의미 있는 공간적·시간적 패턴을 드러낼 수 있는가?
• RQ5 베티 수와 같은 위상 요약 자료는 정책 개혁에 대한 반응으로 시간이 지남에 따라 클러스터 구조의 변화를 어떻게 반영하는가?

주요 결과

• 다양한 형태와 밀도를 가진 13개의 클러스터를 포함하는 합성 데이터에서, CBN(베티 수를 이용한 클러스터링) 알고리즘은 랜드 지수 0.99885와 재결합 지수 0.98880을 기록하여 K-means(랜드: 0.95661, 재결합: 0.62042)와 계층적/DBSCAN(랜드: 0.99225, 재결합: 0.92945)보다 유의미하게 뛰어난 성능을 보였다.
• 균일하게 분포된 200개의 랜덤 점을 노이즈로 추가한 경우, CBN은 오직 소수의 오류만을 보이며 모든 13개의 클러스터를 정확히 식별했고, K-means, 계층적 클러스터링, DBSCAN은 성능이 저하됨을 보였다.
• 샬러프 테이크 베이 사례 연구(1985–2000)에서 CBN는 주로 북부 정류장을 포함하는 7개의 주요 클러스터를 식별했으며, 공간적으로 인접한 정류장 주변에 하위 클러스터가 형성되었고, 이는 공간적 사전 지식 없이도 가능했다.
• 2001–2016년 기간 동안 가장 큰 클러스터는 주로 강 유역(예: 제임스 강, 포토맥 강, 랩아한락 강)에 형성되었으며, 이는 알려진 복원 노력과 일치하여, 이 방법이 정책 기반 추세를 포착할 수 있음을 시사한다.
• 두 16년 기간 동안의 클러스터링 결과 간 랜드 지수는 0.63819로 중간 정도의 구조적 변화를 나타내었으며, 두 기간 모두 유지된 클러스터가 두 개 존재했다.
• 이 방법은 지속 호몰로지를 통해 터널과 공동체와 같은 위상적 특징을 성공적으로 탐지하였으며, 베티 수의 변화 경로를 이용해 클러스터 경계를 정의하고 클러스터의 안정성을 검증하였다.