[论文解读] Approximate Cech Complexes in Low and High Dimensions

Michael Kerber, R. Sharathkumar|arXiv (Cornell University)|Jul 11, 2013

Topological and Geometric Data Analysis参考文献 17被引用 3

一句话总结

本文提出了两种用于拓扑数据分析中Čech过滤的新型近似方法：在固定维度下，利用分离良好的单纯形分解（WSSD）实现线性规模的近似；以及推广Rips引理，实现与环境维度无关的$(1+\varepsilon)$-近似Čech过滤，其单纯形数量为$O(n^{\lceil 1/2\varepsilon\rceil})$。关键贡献在于提出了一种与维度无关的近似框架，在保持拓扑保真度的同时显著提升了可扩展性。

ABSTRACT

Čech complexes reveal valuable topological information about point sets at a certain scale in arbitrary dimensions, but the sheer size of these complexes limits their practical impact. While recent work introduced approximation techniques for filtrations of (Vietoris-)Rips complexes, a coarser version of Čech complexes, we propose the approximation of Čech filtrations directly. For fixed dimensional point set $S$, we present an approximation of the Čech filtration of $S$ by a sequence of complexes of size linear in the number of points. We generalize well-separated pair decompositions (WSPD) to well-separated simplicial decomposition (WSSD) in which every simplex defined on $S$ is covered by some element of WSSD. We give an efficient algorithm to compute a linear-sized WSSD in fixed dimensional spaces. Using a WSSD, we then present a linear-sized approximation of the filtration of Čech complex of $S$. We also present a generalization of the known fact that the Rips complex approximates the Čech complex by a factor of $\sqrt{2}$. We define a class of complexes that interpolate between Čech and Rips complexes and that, given any parameter $\eps > 0$, approximate the Čech complex by a factor $(1+\eps)$. Our complex can be represented by roughly $O(n^{\lceil 1/2\eps ceil})$ simplices without any hidden dependence on the ambient dimension of the point set. Our results are based on an interesting link between Čech complex and coresets for minimum enclosing ball of high-dimensional point sets. As a consequence of our analysis, we show improved bounds on coresets that approximate the radius of the minimum enclosing ball.

研究动机与目标

• 为解决精确Čech复形的高计算成本问题，其$k$-骨架可能具有$O(n^k)$个单纯形，限制了实际应用。
• 开发一种可扩展的Čech过滤近似方法，保持拓扑精度至乘法因子$(1+\varepsilon)$以内。
• 通过分离良好的单纯形分解（WSSD）将分离良好的对对分解（WSPD）推广至高维结构，适用于固定维度的点集。
• 利用完成复形建立与维度无关的Čech复形近似，避免对环境维度的指数依赖。
• 通过MWB-coreset与Čech复形近似的关联，改进最小包围球（MEB）的coreset边界。

提出的方法

• 引入分离良好的单纯形分解（WSSD），作为WSPD的推广，将点集分解为$O(n/\varepsilon^d)$个簇，使得任意单纯形均被一组簇覆盖。
• 通过WSSD仅表示每个尺度下的关键拓扑结构，构建Čech过滤的线性规模近似。
• 定义$k$-完成复形$\mathcal{M}_k(K)$为与$K$具有相同$k$-骨架的最大复形，实现表示规模与近似质量之间的权衡。
• 证明$\mathcal{M}_{\delta-1}(\mathcal{C}_\alpha) \subseteq \mathcal{C}_{(1+\varepsilon)\alpha}$，其中$\delta = \lceil 1/(2\varepsilon + \varepsilon^2) + 1 \rceil$，建立完成复形与$(1+\varepsilon)$-近似的联系。
• 利用大小不超过$\lceil 1/\varepsilon \rceil$的$\varepsilon$-coreset来控制最小包围球的半径扩展。
• 结合Helly定理与coreset性质，证明若单纯形的边界顶点具有小规模coreset，则该单纯形位于扩展后的Čech复形中。

实验结果

研究问题

• RQ1 对于固定维度的点集，是否能以点数的线性规模近似Čech过滤？
• RQ2 是否存在Rips引理的推广，使得$(1+\varepsilon)$-近似Čech复形的构建不依赖于环境维度？
• RQ3 分离良好的单纯形分解（WSSD）是否能高效计算并用于构建可扩展的Čech过滤近似？
• RQ4 确保最小包围球半径$\varepsilon$-近似的最小coreset大小是多少？其与拓扑近似的关系如何？
• RQ5 基于$k$-骨架的完成复形能否提供一种可扩展且与维度无关的Čech复形近似？

主要发现

• 对于固定维度的点集，本文通过WSSD构造了Čech过滤的线性规模近似，单纯形数量受$O(n)$限制。
• WSSD构造的时间复杂度在$n$上为多项式，且仅对固定维度呈指数依赖，与环境维度无关。
• 本文证明了在尺度$\alpha$下，Čech复形的$\delta$-完成复形（其中$\delta = \lceil 1/(2\varepsilon + \varepsilon^2) + 1 \rceil$）包含于尺度$(1+\varepsilon)\alpha$的Čech复形中，从而实现$(1+\varepsilon)$-近似。
• 完成复形的大小为$O(n^{\lceil 1/2\varepsilon \rceil})$，与环境维度无关，且该界在实现$(1+\varepsilon)$-接近度时是紧致的。
• 近似过滤与精确Čech过滤的持久图差异不超过$(1+\varepsilon)$因子，确保了拓扑保真度。
• 改进了coreset边界：大小不超过$\lceil 1/\varepsilon \rceil$的$\varepsilon$-coreset足以保证最小包围球的$\varepsilon$-近似，且该边界与点数和环境维度均无关。