[論文レビュー] Computing the Approximate Convex Hull in High Dimensions

Hossein Sartipizadeh, Tyrone L. Vincent|arXiv (Cornell University)|Mar 8, 2016

Machine Learning and Algorithms参考文献 11被引用数 30

ひとこと要約

本稿では、時間計算量が $ O(K^{3/2}N^2 \log(K/\varepsilon_0}) $ である高次元空間における $ N $ 個の点の近似凸包を計算するための貪欲法を提案する。ここで $ K \approx V $ は近似における頂点数を表す。本手法は、現在の凸包からの最小距離を最大化する点を反復的に選択し、効率的な距離計算と内部点の削除を用いて計算量を低減する。これにより、正確な凸包が計算不能となる高次元データに対しても実用的である。

ABSTRACT

In this paper, an effective method with time complexity of $\mathcal{O}(K^{3/2}N^2\log \frac{K}{ε_0})$ is introduced to find an approximation of the convex hull for $N$ points in dimension $n$, where $K$ is close to the number of vertices of the approximation. Since the time complexity is independent of dimension, this method is highly suitable for the data in high dimensions. Utilizing a greedy approach, the proposed method attempts to find the best approximate convex hull for a given number of vertices. The approximate convex hull can be a helpful substitute for the exact convex hull for on-line processes and applications that have a favorable trade off between accuracy and parsimony.

研究の動機と目的

• 次元数の増加に伴う表現複雑性の指数的増大により、高次元における正確な凸包計算が計算的に不可能になる問題に対処すること。
• オンラインおよびリアルタイム応用に適した、精度と計算効率のバランスが取れたスケーラブルな近似凸包手法の開発。
• クイックヘルトやクラークソン＝ショア法といった従来手法が直面する次元依存性の低減。
• サンプリングやグリッドベースの手法に依存するのではなく、頂点選択段階で近似品質を明示的に最適化することで、先行研究の近似手法を改善すること。
• 計算時間と表現サイズの両方を最小限に抑えることで、高次元データ解析における凸包の実用的利用を可能にすること。

提案手法

• 本アルゴリズムは、残りの点から現在の凸包近似までの最小距離を最大化する頂点を選択する貪欲な反復的手法を用いる。
• 各ステップで、各候補点から現在の凸包までの距離を二次計画法を用いて計算し、未選択の点すべてからの最大距離を最小化する点を選択する。
• 2次元距離行列上の最小最大距離を効率的に計算するための特化アルゴリズム（アルゴリズム1）を採用する。
• 現在の凸包との距離がゼロである内部点は検出され、以降の検討対象から除外され、計算負荷の低減が図られる。
• 候補点の集合を動的に維持し、以降の反復で凸包内部に位置するようになった点を除去する。
• 初期化段階では、定理1を用いて任意の座標における最小値または最大値をとる点（極端な点）を初期頂点として選択し、初期段階から高い近似品質を得る。

実験結果

リサーチクエスチョン

• RQ1 貪欲法は次元数に依存しない時間計算量で、高次元空間において高品質な近似凸包を達成できるか？
• RQ2 未選択の点から凸包までの最大距離を最小化するように頂点選択を最適化する方法は何か？
• RQ3 内部点の検出と削除によって計算コストをどの程度低減できるか、かつ近似品質の劣化を防げるか？
• RQ4 次元数に指数関数的に依存する既存の近似手法に比べ、本手法は優れているか？
• RQ5 高次元設定において、頂点数 $ K $ と近似誤差 $ \varepsilon_0 $ の間にはどのようなトレードオフが存在するか？

主な発見

• 提案手法は時間計算量 $ O(K^{3/2}N^2 \log(K/\varepsilon_0}) $ を達成しており、環境次元 $ n $ に依存しないため、高次元データに適している。
• 各反復で内部点を検出し削除することで、計算コストを顕著に低減し、以降のステップにおける候補点数を減少させる。
• 反復的に現在の凸包までの最大距離を最小化する点を選択する設計により、高い品質の近似が得られ、カバレッジが向上する。
• 反復回数 $ K $ は、最終的な近似凸包の頂点数 $ V $ に近く、表現の簡潔性（パラモニアス）が保証される。
• クイックヘルトなど従来の凸包アルゴリズムは、$ O(N^{\lfloor n/2 \rfloor}) $ の計算量のため、高次元では実行不能となるが、本手法はそれを凌駕する。
• 低次元部分空間に近いデータに対してもロバストである。これは、一部の先行手法とは異なり、$ n $-単体を初期化に用いないためである。