[논문 리뷰] Algorithms for eps-approximations of Terrains

Jeff M. Phillips|ArXiv.org|2008. 01. 18.

Soil Geostatistics and Mapping참고 문헌 31인용 수 9

한 줄 요약

이 논문은 지형 유사 연속 영역과 이산 점 집합에 대한 $\varepsilon$-근사값을 구성하기 위한 결정론적 알고리즘을 제시하며, 축에 평행한 직사각형과 $k$-방향 다각형과 같은 기하 가족의 경우 표준 $O(\frac{1}{\varepsilon^2}\log\frac{1}{\varepsilon})$ 기준보다 훨씬 작아진 크기—$O(\frac{1}{\varepsilon}\text{ polylog}\frac{1}{\varepsilon})$—를 달성한다. 이 접근법은 기하 불일치와 범위 공간 분석을 활용하여 공간 분석, 생물감시, 센서 네트워크 등 응용 분야에서 효율적이고 오차가 적은 샘플링을 가능하게 한다.

ABSTRACT

Consider a point set D with a measure function w : D -> R. Let A be the set of subsets of D induced by containment in a shape from some geometric family (e.g. axis-aligned rectangles, half planes, balls, k-oriented polygons). We say a range space (D, A) has an eps-approximation P if max {R \in A} | w(R \cap P)/w(P) - w(R \cap D)/w(D) | <= eps. We describe algorithms for deterministically constructing discrete eps-approximations for continuous point sets such as distributions or terrains. Furthermore, for certain families of subsets A, such as those described by axis-aligned rectangles, we reduce the size of the eps-approximations by almost a square root from O(1/eps^2 log 1/eps) to O(1/eps polylog 1/eps). This is often the first step in transforming a continuous problem into a discrete one for which combinatorial techniques can be applied. We describe applications of this result in geo-spatial analysis, biosurveillance, and sensor networks.

연구 동기 및 목표

• 지형과 분포와 같은 연속 영역에 대한 $\varepsilon$-근사값을 구성하기 위한 결정론적 알고리즘을 개발하는 것.
• 축에 평행한 직사각형과 $k$-방향 다각형과 같은 기하 범위 공간에 대해 표준 $O(\frac{1}{\varepsilon^2}\log\frac{1}{\varepsilon})$ 기준을 초월하여 $\varepsilon$-근사값의 크기를 줄이는 것.
• 랜덤 샘플링이 너무 비용이 많이 들기 때문에, 생물감시 및 센서 네트워크와 같이 작은 고정밀도 샘플이 필요한 응용 분야에 실용적으로 구현 가능한 것.
• 개선된 근사 크기를 활용하여 $\varepsilon$-감시자—센서 데이터에서 중요한 사건을 탐지할 수 있는 소규모 부분집합—에 대한 이론적 보장을 수립하는 것.

제안 방법

• 기하 불일치 이론과 범위 공간 분석을 활용하여 연속 영역과 이산 점 집합에 대한 결정론적 샘플링 알고리즘을 설계한다.
• 다중 상호배제적 $\varepsilon$-근사값을 생성하기 위해 분할 기반으로 수정된 Halve 알고리즘을 적용하여 분산 센서 모니터링을 가능하게 한다.
• Beck-Fiala 정리와 그 확장 응용을 통해 $k$-방향 다면체와 축에 평행한 직사각형에서의 불일치를 경계한다.
• 다각형 로그 인자들을 유지하면서 샘플 크기를 최소화하는 $\varepsilon$-근사값 보장을 유지하는 재귀적 분해 전략을 활용한다.
• 다중 근사값 간에 점을 재사용하여 $O(n\varepsilon / \log^{2k}\frac{1}{\varepsilon})$개의 상호배제적 $\varepsilon$-감시자를 구성하는 기법을 도입한다.
• 불일치 이론과 VC-차원 결과를 활용하여 다양한 기하 가족에 대한 $\varepsilon$-근사값 크기의 경계를 유도한다.

실험 결과

연구 질문

• RQ1 축에 평행한 직사각형과 같은 기하 가족에 대해 결정론적 알고리즘이 연속 지형에 대해 크기가 $O(\frac{1}{\varepsilon}\text{ polylog}\frac{1}{\varepsilon})$인 $\varepsilon$-근사값을 구성할 수 있는가?
• RQ2 $\varepsilon$-근사값의 크기를 VC-차원이 유계인 범위 공간에서 거의 제곱근 정도로 줄일 수 있는가?
• RQ3 센서 네트워크의 맥락에서 $k$-방향 다각형에 대해 크기가 $O(\frac{1}{\varepsilon}\text{ polylog}\frac{1}{\varepsilon})$인 $\varepsilon$-감시자를 효율적으로 구성할 수 있는가?
• RQ4 단일 점 집합에서 여러 상호배제적 $\varepsilon$-감시자를 생성하여 에너지 효율적인 교차 노드 활성화를 가능하게 할 수 있는가?

주요 결과

• 논문은 축에 평행한 직사각형과 $k$-방향 다각형에 대해 크기가 $O(\frac{1}{\varepsilon}\text{ polylog}\frac{1}{\varepsilon})$인 $\varepsilon$-근사값을 구성하여 표준 기준을 거의 제곱근 정도로 감소시켰다.
• 크기가 $n$인 이산 점 집합에 대해 $\varepsilon$-감시자를 $\mathcal{Q}_k$ (k-방향 다각형)에 대해 $O(n\frac{1}{\varepsilon^3}\text{ polylog}(\log\frac{1}{\varepsilon}))$ 시간 내에 크기 $O(\frac{1}{\varepsilon}\log^{2k}\frac{1}{\varepsilon}\text{ polylog}(\log\frac{1}{\varepsilon}))$로 구성할 수 있다.
• 이 방법은 $O(n\varepsilon / \log^{2k}\frac{1}{\varepsilon})$개의 상호배제적 $\varepsilon$-감시자를 생성할 수 있게 하여 센서 네트워크에서 에너지 효율적인 노드 활성화를 가능하게 한다.
• 가우시안 커널에 대해 $O(n\frac{1}{\varepsilon^4}\text{ polylog}(\log\frac{1}{\varepsilon}))$ 시간 내에 $|d_P(m_R, b_R) - \max_{r\in\mathcal{R}_2} d_P(m_r, b_r)| \leq \varepsilon$ 를 만족하는 범위 $R$를 결정론적으로 찾는 알고리즘이 존재한다.
• 랜덤 샘플링의 $O(\frac{1}{\varepsilon^2}\log\frac{1}{\varepsilon})$ 샘플 크기를 피하기 때문에 대규모 센서 네트워크와 공간 분석에 실용적으로 적용 가능하다.
• 불일치 경계와 VC-차원 기반 분석을 통해 $O(\frac{1}{\varepsilon}\text{ polylog}\frac{1}{\varepsilon})$의 샘플 수로도 주요 기하 가족에서 $\varepsilon$-근사값을 확보할 수 있음을 이론적으로 보장한다.