[论文解读] Exact computation of the halfspace depth

Rainer Dyckerhoff, Pavlo Mozharovskyi|Kölner Universitäts PublikationsServer (Universität zu Köln)|Nov 25, 2014

Advanced Measurement and Metrology Techniques参考文献 36被引用 4

一句话总结

本文提出了一种在任意维度下精确计算半空间深度的理论框架，通过将问题约化为数据点张成的线性子空间的正交补空间上的深度计算来实现。所提出的算法能高效处理非一般位置数据和并列情况，模拟结果表明在各维度下均具有很高的计算效率。

ABSTRACT

For computing the exact value of the halfspace depth of a point w.r.t. a data cloud of $n$ points in arbitrary dimension, a theoretical framework is suggested. Based on this framework a whole class of algorithms can be derived. In all of these algorithms the depth is calculated as the minimum over a finite number of depth values w.r.t. proper projections of the data cloud. Three variants of this class are studied in more detail. All of these algorithms are capable of dealing with data that are not in general position and even with data that contain ties. As is shown by simulations, all proposed algorithms prove to be very efficient.

研究动机与目标

• 开发一种适用于任意维度下精确半空间深度计算的通用理论框架。
• 解决高维数据中由于并列或非一般位置配置导致传统方法失效的计算挑战。
• 设计在数据点位于低维仿射子空间时仍能保持准确性和高效性的算法。
• 为基于投影和组合优化技术推导多种算法变体提供基础。
• 在共线或共面点等退化数据配置存在的情况下确保鲁棒性和正确性。

提出的方法

• 将半空间深度计算约化为在由数据点子集张成的线性子空间的正交补空间上的投影深度评估。
• 采用迭代投影精化：在每一步中，识别当前投影中与投影方向夹角最小的点，并更新方向向量以减少零投影点的数量。
• 通过减去与最近点投影对齐的分量，定义新的方向向量 $\tilde{\bm{p}}$，以改善数据点的分离。
• 通过正交补空间中的向量运算，持续维护并更新集合 $I_{\bm{p}}^{+}$、$I_{\bm{p}}^{-}$ 和 $I_{\bm{p}}^{0}$（正、负和零投影）。
• 利用几何性质 $I_{\tilde{\bm{p}}}^{0} = [I_{\bm{p}}^{0} \cup \{i_0\}]^*$，其中 $i_0$ 为最近点的索引，确保零空间维度单调递增。
• 在方向锥上应用组合优化，并利用正交分解以避免数值不稳定性，确保深度评估的精确性。

实验结果

研究问题

• RQ1 如何在不假设数据点处于一般位置的前提下，高效地在任意维度下计算精确的半空间深度？
• RQ2 正交投影和方向更新在降低深度评估计算复杂度方面起到什么作用？
• RQ3 能否建立一个统一的理论框架，以推导出多个具有保证正确性的半空间深度精确算法？
• RQ4 所提出的算法如何处理并列或共线/共面数据点等退化情况？
• RQ5 在时间复杂度和跨不同维度与数据配置的可扩展性方面，算法的计算性能如何？

主要发现

• 所提出的框架通过将问题约化为投影上的深度评估，实现了任意维度下半空间深度的精确计算。
• 算法对非一般位置数据具有鲁棒性，能有效处理并列和退化配置而不会失败。
• 从该框架中推导出三种不同的算法变体，每种基于不同的投影方向选择与更新策略。
• 模拟结果表明计算效率极高，表明即使在中等至大规模 $n$ 和 $d$ 下也具有实际可行性。
• 深度值通过有限个投影深度值的最小值计算得出，确保了正确性和收敛性。
• 该方法确保零空间维度（零投影点）单调递增，从而保证了算法的终止性和正确性。