[论文解读] Analysis of Democratic Voting Principles used in Distributed Greedy Algorithms

Dennis Sundman, Saikat Chatterjee+1 more|arXiv (Cornell University)|Jul 16, 2014

Sparse and Compressive Sensing Techniques参考文献 29被引用 3

一句话总结

本文对分布式贪婪追踪算法中的民主投票原则——多数投票与共识投票——进行了概率分析，聚焦于压缩感知中的联合支持集估计。通过使用单一漏检概率参数建模本地贪婪算法的性能，作者证明了民主投票能显著提升联合支持集估计的准确性，尤其在常见支持集与混合支持集模型中，其分析保证了在现实误差条件下的检测可靠性增强。

ABSTRACT

A key aspect for any greedy pursuit algorithm used in compressed sensing is a good support-set detection method. For distributed compressed sensing, we consider a setup where many sensors measure sparse signals that are correlated via the existence of a signals' intersection support-set. This intersection support-set is called the joint support-set. Estimation of the joint support-set has a high impact on the performance of a distributed greedy pursuit algorithm. This estimation can be achieved by exchanging local support-set estimates followed by a (consensus) voting method. In this paper we endeavor for a probabilistic analysis of two democratic voting principle that we call majority and consensus voting. In our analysis, we first model the input/output relation of a greedy algorithm (executed locally in a sensor) by a single parameter known as probability of miss. Based on this model, we analyze the voting principles and prove that the democratic voting principle has a merit to detect the joint support-set.

研究动机与目标

• 分析民主投票原则（多数票与共识投票）在分布式贪婪追踪算法中用于压缩感知的有效性。
• 基于检测理论，使用单一漏检概率参数建模本地贪婪算法的输入/输出行为。
• 在常见支持集与混合支持集模型下，建立分布式压缩感知中联合支持集估计的理论性能保证。
• 验证民主投票相较于单个传感器估计可提升检测可靠性，尤其在独立误差存在时。

提出的方法

• 使用单一参数——漏检概率（即检测概率的补数）建模本地贪婪追踪算法的性能。
• 基于共识与多数原则制定投票策略，以从多个本地估计中推断联合支持集。
• 推导在多个传感器投票结果下，支持集元素被正确识别的条件概率的解析表达式。
• 将模型应用于常见支持集与混合支持集信号相关性模型，结合组合概率与条件独立性假设。
• 通过多项式不等式分析，比较不同漏检概率下投票结果与单个传感器性能的可靠性。
• 通过固定系统参数（N=1000, T=20, J=15, I=5）的数值评估验证理论结果，确认投票优于单个估计的区域。

实验结果

研究问题

• RQ1 民主投票（特别是多数票与共识投票）是否相较于单个传感器估计，能提升分布式贪婪追踪算法中联合支持集估计的性能？
• RQ2 在何种条件下，共识投票在正确识别真实支持集元素的概率上优于单个传感器检测？
• RQ3 本地贪婪算法中的漏检概率如何影响民主投票在联合支持集估计中的性能增益？
• RQ4 在何种参数范围内，投票能为常见与混合支持集模型下的检测可靠性提供保证性提升？
• RQ5 能否基于单一漏检概率参数，为分布式压缩感知中的民主投票建立解析性能保证？

主要发现

• 与单个传感器估计相比，民主投票显著提升了正确识别真实支持集元素的概率，尤其当本地漏检概率适中时。
• 对于共识投票策略，当多个传感器对某元素的包含性达成一致时，正确检测概率随之上升，解析边界显示在 ε ∈ [0.0140, 0.98] 范围内性能提升。
• 分析证明，给定三个传感器达成共识时，正确检测的条件概率大于单个传感器的检测概率，即 P(i ∈ T_p | i ∈ (T̂_p ∩ T̂_q ∩ T̂_r)) ≥ P(i ∈ T_p | i ∈ T̂_p)，其中 ε ∈ [0.0140, 0.98]。
• 对于三选二的多数投票策略，改进在 ε ∈ [0.0069, 0.98] 区间内被保证，表明即使本地错误率较高，系统仍具鲁棒性。
• 研究证实，民主投票原则在理论上是成立的，并在常见与混合支持集模型中均优于单个检测。
• 通过 N=1000, T=20, J=15, I=5 的数值验证，确认在相关漏检概率范围内，投票始终能提升检测可靠性。