[论文解读] Distance Functions, Critical Points, and the Topology of Random \v{C}ech Complexes

Omer Bobrowski, Robert J. Adler|arXiv (Cornell University)|Jul 24, 2011

Topological and Geometric Data Analysis参考文献 14被引用 10

一句话总结

本文研究了在 $\mathbb{R}^d$ 中泊松点过程的到点距离函数的临界点的渐近分布，推导出在收缩邻域内指标为 $k$ 的临界点数量的精确极限期望和方差。根据维度 $d$、莫尔斯指标 $k$ 以及邻域半径 $r_n$ 的衰减速率之间的相互作用，建立了中心极限定理，其极限分布为正态分布、泊松分布或确定性分布，并将这些结果与随机 Čech 复形的贝蒂数及拓扑结构联系起来。

ABSTRACT

For a finite set of points $P$ in $R^d$, the function $d_P: R^d o R^+$ measures Euclidean distance to the set $P$. We study the number of critical points of $d_P$ when $P$ is a Poisson process. In particular, we study the limit behavior of $N_k$ - the number of critical points of $d_P$ with Morse index $k$ - as the density of points grows. We present explicit computations for the normalized, limiting, expectations and variances of the $N_k$, as well as distributional limit theorems. We link these results to recent results in which the Betti numbers of the random \v{C}ech complex based on $P$ were studied.

研究动机与目标

• 理解当泊松过程 $P$ 在 $\mathbb{R}^d$ 中时，距离函数 $d_P$ 的临界点的渐近行为。
• 计算 $N_{k,n}$（即在 $P$ 的距离 $r_n$ 内指标为 $k$ 的临界点数量）的归一化极限期望和方差，当 $n \to \infty$ 时。
• 建立 $N_{k,n}$ 的分布极限定理，表明其收敛于正态分布、泊松分布或确定性极限，具体取决于参数缩放方式。
• 将临界点统计与随机 Čech 复形的拓扑结构（特别是其贝蒂数和欧拉示性数）联系起来。
• 提供一种莫尔斯理论框架，相较于直接的拓扑方法，能为随机单纯复形提供更丰富的渐近结果。

提出的方法

• 使用泊松过程的 Palm 理论，通过条件化于有限点配置来计算临界点数量的矩。
• 应用 Stein 方法进行正态和泊松近似，以处理临界点事件指示变量之间的弱依赖性。
• 运用莫尔斯理论将临界点的指标 $k$ 与 $d_P$ 的下水平集（特别是 Čech 复形）的拓扑联系起来。
• 分析 $P$ 的 $r_n$-管状邻域 $B_n = \bigcup_{p \in P} B_{r_n}(p)$ 的拓扑结构，该集合对应于下水平集 $\{x : d_P(x) \leq r_n\}$。
• 通过研究 $n$（点数）、$r_n$（邻域半径）和 $d$（环境维度）之间的相互作用，推导出缩放极限，识别出相变现象。
• 使用依赖图建模临界点指示变量之间的空间依赖性，并应用集中不等式来控制极限定理中的误差。

实验结果

研究问题

• RQ1 当泊松过程的强度 $n$ 增大且邻域半径 $r_n$ 缩小时，距离函数 $d_P$ 的指标为 $k$ 的临界点数量的极限行为是什么？
• RQ2 归一化后的 $N_{k,n}$ 的期望和方差的渐近行为如何？决定其极限分布为正态、泊松或确定性分布的因素是什么？
• RQ3 距离函数 $d_P$ 的临界点统计与基于 $P$ 构建的随机 Čech 复形的贝蒂数之间存在何种关系？
• RQ4 当 $n \to \infty$ 时，Čech 复形的欧拉示性数 $\chi_n$ 的渐近行为如何？何种缩放范式会导致 $\mathbb{E}[\chi_n] \to 1$？
• RQ5 莫尔斯理论工具能否为拓扑不变量提供比直接同调方法更强或更详细的渐近结果？

主要发现

• 归一化后的 $N_{k,n}$ 的极限期望被显式计算，其依赖于维度 $d$、指标 $k$ 以及 $r_n$ 相对于 $n$ 的缩放方式，并在 $n r_n^d \to \lambda \in (0, \infty)$ 处出现相变。
• 推导出 $N_{k,n}$ 的极限方差，并表明其依赖于相同的缩放参数，在稀疏、热力学和密集区域表现出不同的行为。
• 当 $n r_n^d \to \infty$ 且 $n r_n^d \geq D^* \log n$（对某个 $D^*$）时，期望欧拉示性数 $\mathbb{E}[\chi_n] \to 1$，表明拓扑结构坍缩为单个连通分支。
• $N_{k,n}$ 的分布收敛于正态分布、泊松分布或确定性极限，具体取决于 $d$、$k$、$n$ 和 $r_n$ 之间的关系，相变现象出现在相边界处。
• 欧拉示性数 $\chi_n$ 满足：当 $n r_n^d \to 0$ 时，$\lim_{n \to \infty} n^{-1} \mathbb{E}[\chi_n] = 1$；当 $n r_n^d \to \lambda \in (0, \infty)$ 时，$1 + \sum_{k=1}^d (-1)^k \gamma_k(\lambda)$；当 $n r_n^d \to \infty$ 时，$0$，显示出丰富的拓扑相变。
• 本文证明了对距离函数临界点的莫尔斯理论分析，相较于直接计算贝蒂数，能为如欧拉示性数等全局不变量提供更详细的渐近结果。