[论文解读] Efficient Approximation of the Matching Distance for 2-parameter persistence

Michael Kerber, Arnur Nigmetov|arXiv (Cornell University)|Dec 12, 2019

Topological and Geometric Data Analysis被引用 8

一句话总结

本文提出了一种基于几何重解释的高效算法，通过在四叉树细化框架内使用自适应局部变差界，对二维参数持久同调中的匹配距离进行近似。通过用更紧致的、针对矩形的界替代全局变差界，该方法相比先前方法实现了高达15倍的加速，且在HERA库中提供了公开可用的实现，这是该任务首个高效的开源工具。

ABSTRACT

The matching distance is a computationally tractable topological measure to compare multi-filtered simplicial complexes. We design efficient algorithms for approximating the matching distance of two bi-filtered complexes to any desired precision $\\epsilon>0$. Our approach is based on a quad-tree refinement strategy introduced by Biasotti et al., but we recast their approach entirely in geometric terms. This point of view leads to several novel observations resulting in a practically faster algorithm. We demonstrate this speed-up by experimental comparison and provide our code in a public repository which provides the first efficient publicly available implementation of the matching distance.

研究动机与目标

• 开发一种快速、实用的算法，用于近似二维参数持久同调中的匹配距离，这是比较多过滤数据的关键拓扑度量。
• 通过提供高精度、高效的近似方法，克服精确计算的计算不可行性。
• 通过几何重解释和自适应界，改进Biasotti等人提出的基于四叉树的近似算法。
• 提供公开可用的高性能实现，以促进在拓扑数据分析中的广泛应用。

提出的方法

• 将匹配距离近似问题完全重新表述为几何问题，将二维参数空间中的直线参数化为有界矩形R。
• 为R中的每个点p分配瓶颈距离f(p)，即限制在由p参数化的直线上的持久图之间的距离，匹配距离即为sup_{p∈R} f(p)。
• 引入自适应局部变差界，以估计f(p)在每个子矩形S内的变化，替代先前工作中使用的全局界。
• 使用广度优先顺序的四叉树划分与分支限界策略，当某矩形的上界相对于当前下界足够小时停止。
• 采用基于优先队列的细化策略，根据最大上界动态选择下一个需细分的矩形。
• 通过为每个矩形计算更紧致的局部界来优化性能，减少不必要的细分并加速收敛。

实验结果

研究问题

• RQ1 通过几何重解释算法，能否更高效地近似二维参数持久同调的匹配距离？
• RQ2 自适应局部变差界与全局界相比，能否显著减少所需的细分数量？
• RQ3 与单一全局界相比，使用局部推导的界在实践中能实现多大的性能提升？
• RQ4 能否开发出一种实用的、公开可用的匹配距离实现，使其优于现有方法？
• RQ5 该算法在真实世界双过滤数据上的可扩展性如何？与精确计算相比表现如何？

主要发现

• 所提算法在不同输入双过滤数据下，相比全局界方法实现了3至8倍的加速（某些情况下高达15倍）。
• 使用自适应局部变差界可显著降低每个矩形的上界，从而减少所需的细分数量。
• HERA库中的实现首次提供了公开可用、高效的二维参数持久同调匹配距离计算工具。
• 实验结果表明，相对误差随时间平滑下降，且该算法在可预测的时间范围内保证1+ε近似。
• 尽管局部线性界变体在每个矩形上计算成本更高，但其支持简单并行化，预计在更大规模实例上表现更优。