[论文解读] Consistency constraints for overlapping data clustering

Jared Culbertson, Dan P. Guralnik+2 more|arXiv (Cornell University)|Aug 15, 2016

Topological and Geometric Data Analysis参考文献 19被引用 5

一句话总结

本文提出了一种基于度量空间与非扩张映射的重叠数据聚类的函子框架，避免了传统连接方法中的链式问题。证明了任意聚类函子必须细化单链聚类，并被最大链聚类所细化，从而通过函子约束建立了重叠聚类方法的自然层次结构。

ABSTRACT

We examine overlapping clustering schemes with functorial constraints, in the spirit of Carlsson--Memoli. This avoids issues arising from the chaining required by partition-based methods. Our principal result shows that any clustering functor is naturally constrained to refine single-linkage clusters and be refined by maximal-linkage clusters. We work in the context of metric spaces with non-expansive maps, which is appropriate for modeling data processing which does not increase information content.

研究动机与目标

• 为解决传统基于划分的聚类方法的局限性，特别是单链聚类中的链式效应。
• 将函子聚类理论扩展至重叠聚类，以实现对复杂数据更自然且一致的聚类。
• 将重叠聚类形式化为从度量空间到覆盖的函子，通过范畴论确保在不同数据集间的一致性。
• 基于函子约束与非扩张态射，建立重叠聚类方法的层次结构。

提出的方法

• 将数据建模为带有非扩张映射的度量空间，以保持信息内容并确保变换下的一致性。
• 将聚类定义为从度量空间范畴到有限覆盖范畴的函子，允许重叠聚类。
• 通过筛子函子引入分层聚类方案，参数化为距离阈值与连通性水平。
• 利用阈值图中的 $k$-顶点与 $k$-边连通分量，定义稳定且函子性的聚类方法，如 $\mathbf{VL}^k_\delta$ 与 $\mathbf{EL}^k_\delta$。
• 在聚类函子之间建立自然变换，表明更高的连通性阈值会产生更粗粒度、更细化的聚类。
• 应用图论结果——如双连通分量的线性时间计算与 $k$-连通分量的多项式时间枚举——以确保高效计算。

实验结果

研究问题

• RQ1 如何以确保在数据变换下一致的方式形式化重叠聚类，避免链式伪影？
• RQ2 重叠聚类中自然出现的函子约束是什么？它们与经典聚类方法有何关系？
• RQ3 能否通过递增的阈值或连通性水平，函子性地构建分层重叠聚类方案？
• RQ4 所提出的聚类函子与单链聚类和最大链聚类在细化关系上如何对应？
• RQ5 所提出的重叠聚类方法可建立哪些计算保证（如时间复杂度）？

主要发现

• 任何在带有非扩张映射的度量空间上的聚类函子，必须细化单链聚类，并被最大链聚类所细化，从而建立了普遍的层次结构。
• $\mathbf{B}_k$、$\mathbf{B}_k^c$、$\mathbf{VL}^k_\delta$ 与 $\mathbf{EL}^k_\delta$ 函子在范畴 $\mathbf{Met}^{\text{inj}}$ 上是函子性的，确保在单射非扩张映射下的稳定性。
• 存在从 $\mathbf{ML}_\delta$ 到 $\mathbf{SL}_\delta$ 的自然变换，形成层次结构 $\mathbf{ML}_\delta = \mathbf{VL}^\infty_\delta \to \cdots \to \mathbf{VL}^1_\delta = \mathbf{SL}_\delta$，表明随着连通性降低，聚类逐渐变粗。
• $k$-顶点与 $k$-边连通分量聚类方案在固定 $k$ 时可在多项式时间内计算，尽管 $\mathbf{ML}_\delta$ 由于最大团问题仍为 NP-难。
• $\mathbf{EL}_\delta$ 方法是局部可除的，并可通过测试度量空间表示，从而可利用最大 $k$-边连通子图的快速算法实现高效计算。
• 分层聚类被形式化为一个筛子函子 $\mathbf{F}: \mathbf{Met} \to \mathbf{Sieve}$，且在 $\mathbf{L}^k_\delta$ 与 $\mathbf{L}^k_{\delta'}$ 之间存在自然变换（$\delta \leq \delta'$），确保在不同尺度下的一致细化。