[论文解读] A Framework for Fast and Stable Representations of Multiparameter Persistent Homology Decompositions

David Loiseaux, Mathieu Carrière+1 more|arXiv (Cornell University)|Jun 19, 2023

Topological and Geometric Data Analysis被引用 4

一句话总结

本文提出了一种新颖的框架，利用区间模分解对多参数持久同调进行快速且稳定的表示，实现了机器学习中向量空间嵌入的高效计算。该框架提供了理论稳定性保证，针对关键不变量（交错距离、体积和切片）给出了闭式算法，并在真实数据上表现出色，运行速度快且具备统计收敛性。

ABSTRACT

Topological data analysis (TDA) is an area of data science that focuses on using invariants from algebraic topology to provide multiscale shape descriptors for geometric data sets such as point clouds. One of the most important such descriptors is {\em persistent homology}, which encodes the change in shape as a filtration parameter changes; a typical parameter is the feature scale. For many data sets, it is useful to simultaneously vary multiple filtration parameters, for example feature scale and density. While the theoretical properties of single parameter persistent homology are well understood, less is known about the multiparameter case. In particular, a central question is the problem of representing multiparameter persistent homology by elements of a vector space for integration with standard machine learning algorithms. Existing approaches to this problem either ignore most of the multiparameter information to reduce to the one-parameter case or are heuristic and potentially unstable in the face of noise. In this article, we introduce a new general representation framework that leverages recent results on {\em decompositions} of multiparameter persistent homology. This framework is rich in information, fast to compute, and encompasses previous approaches. Moreover, we establish theoretical stability guarantees under this framework as well as efficient algorithms for practical computation, making this framework an applicable and versatile tool for analyzing geometric and point cloud data. We validate our stability results and algorithms with numerical experiments that demonstrate statistical convergence, prediction accuracy, and fast running times on several real data sets.

研究动机与目标

• 解决机器学习流程中多参数持久同调表示缺乏稳定性、信息丰富性及计算效率的问题。
• 克服现有方法的局限性，这些方法要么退化为单参数情形，要么在噪声下缺乏理论稳定性。
• 开发一个通用框架，利用区间模分解的最新进展，生成更丰富、更具信息量的描述符。
• 为所提出的表示提供在输入数据扰动下的理论稳定性保证。
• 设计高效算法，基于闭式公式计算关键不变量，如交错距离、体积和切片。

提出的方法

• 该框架通过区间模表示多参数持久同调，将多参数持久同调模分解为具有 R^n 中出生和死亡角点的简单几何片段。
• 提出一种基于交错距离 d_I(M, 0) 的稳定权重函数，通过区间模角点的闭式公式计算得出。
• 利用涉及出生和死亡角点坐标差值的闭式表达式，计算能嵌入区间模支持集内的最大矩形体积。
• 通过将角点投影到对角线，计算区间模沿对角线的切片，从而得到一维切片的持久同调条形图。
• 算法 1–4 实现了基于角点表示的区间模在矩形、直线上的限制，以及关键不变量的计算。
• 该框架通过证明所提出的表示相对于交错距离是利普希茨连续的，从而确保理论稳定性。

Figure 1 : Common pipelines for the use of multiparameter persistent homology in data science—our work provides new contributions to the arrow highlighted in red.

实验结果

研究问题

• RQ1 我们能否构建一个通用、稳定且计算高效的多参数持久同调表示框架，同时保留丰富的拓扑信息？
• RQ2 如何利用区间模角点以闭式形式计算交错距离、体积和切片等关键不变量？
• RQ3 所提出的框架在数据扰动下是否保持理论稳定性，特别是在噪声环境中？
• RQ4 该框架能否在实际机器学习应用中实现快速计算和统计收敛？
• RQ5 与现有启发式或简化表示相比，该框架在预测准确率和运行时间方面表现如何？

主要发现

• 所提出的框架通过确保表示相对于交错距离是利普希茨连续的，实现了理论稳定性，从而保证对噪声的鲁棒性。
• 交错距离、体积和切片的闭式算法实现了快速计算，实证结果表明在真实数据集上运行速度快。
• 数值实验表明，表示具有统计收敛性，表明其能从数据中可靠学习。
• 该框架在多个 UCR 时间序列数据集上的预测准确率优于现有方法，例如 LightGBM 分类器在 Plane 数据集上达到高达 99.0% 的准确率。
• S-CDR 权重函数和体积表示被证明可仅基于区间模的出生和死亡角点坐标以闭式形式计算。
• 该框架通过保留比秩不变量更丰富的拓扑信息，同时保持计算可行性，成功推广了先前的方法。

Figure 2 : (left) Bi-filtration of a noisy point cloud induced by both feature scale (using unions of balls with increasing radii) and (co)density. The cycle highlighted in the green zone can be detected as a large subset in the corresponding candidate decomposition computed by the MMA method [ 26 ]