[논문 리뷰] Intertwining wavelets or Multiresolution analysis on graphs through random forests

Luca Avena, Fabienne Castell외 2명|arXiv (Cornell University)|2017. 07. 14.

Advanced Mathematical Modeling in Engineering참고 문헌 25인용 수 14

한 줄 요약

이 논문은 무작위 신장 숲을 사용하여 정점의 샘플링을 내림차수화하고, 마르코프 통합 관계를 근사하여 웨이브릿 기반을 구성함으로써 그래프 신호에 대한 새로운 다중해상도 분석을 제안한다. 이 방법은 정확한 재구성, 재구성 오차 및 연산자 노름에 대한 경계를 제공하며, 특히 희박한 샘플링과 $q$ 및 $q^\prime$를 통한 매개변수 조정에서 스펙트럼 그래프 웨이브릿보다 뛰어난 압축 성능을 달성한다.

ABSTRACT

We propose a new method for performing multiscale analysis of functions defined on the vertices of a finite connected weighted graph. Our approach relies on a random spanning forest to downsample the set of vertices, and on approximate solutions of Markov intertwining relation to provide a subgraph structure and a filter bank leading to a wavelet basis of the set of functions. Our construction involves two parameters q and q'. The first one controls the mean number of kept vertices in the downsampling, while the second one is a tuning parameter between space localization and frequency localization. We provide an explicit reconstruction formula, bounds on the reconstruction operator norm and on the error in the intertwining relation, and a Jackson-like inequality. These bounds lead to recommend a way to choose the parameters q and q'. We illustrate the method by numerical experiments.

연구 동기 및 목표

• 규칙적인 구조나 가중치가 있는 비정규 그래프에 일반화된 고전적 웨이브릿 변환을 적용하는 다중해상도 분석 프레임워크를 개발한다.
• 스펙트럼 분해나 정규 격자 가정에 의존하지 않고 그래프 상의 웨이브릿 기반을 구성하는 데 도전한다.
• 마르코프 통합 관계를 통한 필터 베이스를 통해 그래프 신호의 정확한 재구성을 보장한다.
• 잭슨 유사 부등식을 통해 재구성 오차, 연산자 노름 및 근사 정확도에 대한 이론적 보장을 제공한다.
• $q$ 및 $q^\prime$ 매개변수를 최적화하여 웨이브릿 구성에서 공간적 및 주파수적 국소화 간의 균형을 조절한다.

제안 방법

• 가중치가 부여된 그래프의 정점 집합을 무작위 신장 숲을 사용해 확률적으로 내림차수화하고, 매개변수 $q$를 통해 유지되는 정점의 평균 수를 제어한다.
• 유지된 정점 간의 간선을 보존하고, 조밀화된 그래프를 모델링하기 위해 셸러 보완 라플라시안을 정의함으로써 부분 그래프 구조를 구성한다.
• 신장 구조에서 유도된 전이 커널을 사용해 원래 과 조밀화된 과정 간의 마르코프 통합 관계를 근사한다.
• 통합 커널을 통해 웨이브릿 및 스케일링 함수를 정의함으로써 그래프 신호를 근사 및 세부 성분으로 분해하는 필터 베이스를 구현한다.
• 다중 수준에서 내림차수화 및 필터링 과정을 반복적으로 적용함으로써 다중해상도 기반의 구조를 구현한다.
• 계산 효율성과 신호 재구성 정확도 향상을 위해 조밀화된 그래프에 대해 희박화를 적용한다.

실험 결과

연구 질문

• RQ1 정규 구조나 스펙트럼 분해를 가정하지 않고 일반적인 가중치가 부여된 그래프 상에서 다중해상도 분석을 어떻게 구성할 수 있는가?
• RQ2 무작위 신장 숲은 그래프 신호의 계층적, 다중스케일 표현을 어떻게 가능하게 하는가?
• RQ3 다른 그래프 스케일에서 마르코프 과정 간의 통합 관계는 어떻게 근사하여 안정적인 웨이브릿 기반을 구축할 수 있는가?
• RQ4 제안된 웨이브릿 프레임워크에서 재구성 오차 및 연산자 노름에 대한 이론적 경계는 무엇인가?
• RQ5 매개변수 $q$ 및 $q^\prime$는 결과 웨이브릿 기반에서 공간적 및 주파수적 국소화 간의 상호 보완적 관계에 어떻게 영향을 미치는가?

주요 결과

• 제안된 방법은 근사 마르코프 통합 관계에서 유도된 필터 베이스를 사용해 그래프 신호의 정확한 재구성을 달성한다.
• 재구성 연산자 노름과 통합 관계 오차에 대한 경계가 유도되었으며, 이는 $q$ 및 $q^\prime$를 통한 이론적 매개변수 조정을 가능하게 한다.
• 잭슨 유사 부등식이 확립되어 신호의 스무스함과 분해 스케일에 따라 근사 오차를 정량화한다.
• 수치 실험 결과, 통합 웨이브릿이 스펙트럼 그래프 웨이브릿보다 압축 성능에서 뛰어나며, 미니소나 그래프에서 10% 계수 유지율일 때 상대 오차가 최대 30% 감소함을 보였다.
• 조밀화된 그래프의 희박화가 재구성 정확도를 크게 향상시키며, 특히 센서 네트워크와 같은 비정규 그래프에서 두드러진다.
• 가장 큰 정규화된 세부 계수의 10%만을 사용하여 재구성된 압축 신호도 높은 정밀도를 유지하며, 시험된 그래프에서 상대 오차가 0.05 이하로 유지된다.