[论文解读] Intrinsic Metrics: Nearest Neighbor and Edge Squared Distances.

Timothy Chu, Gary L. Miller+1 more|arXiv (Cornell University)|Sep 22, 2017

Topological and Geometric Data Analysis参考文献 34被引用 1

一句话总结

本文证明了边平方度量与最近邻度量之间的等价性，表明尽管两者形式不同——一个为离散，一个为连续——但它们产生相同的距离度量。通过Kirszbraun定理，作者在离散与连续度量之间建立了基础性联系，证明在i.i.d.样本上的最近邻距离是自然密度基距离函数的一个常数近似。

ABSTRACT

Some researchers have proposed using non-Euclidean metrics for clustering data points. Generally, the metric should recognize that two points in the same cluster are close, even if their Euclidean distance is far. Multiple proposals have been suggested, including the Edge-Squared Metric (a specific example of a graph geodesic) and the Nearest Neighbor Metric. In this paper, we prove that the edge-squared and nearest-neighbor metrics are in fact equivalent. Previous best work showed that the edge-squared metric was a 3-approximation of the Nearest Neighbor metric. This paper represents one of the first proofs of equating a continuous metric with a discrete metric, using non-trivial discrete methods. Our proof uses the Kirszbraun theorem (also known as the Lipschitz Extension Theorem and Brehm's Extension Theorem), a notable theorem in functional analysis and computational geometry. The results of our paper, combined with the results of Hwang, Damelin, and Hero, tell us that the Nearest Neighbor distance on i.i.d samples of a density is a reasonable constant approximation of a natural density-based distance function.

研究动机与目标

• 解决边平方度量与最近邻度量是否等价的开放性问题。
• 为离散度量（最近邻）与连续度量（边平方）之间建立严谨证明，这是度量几何中罕见且非平凡的结果。
• 通过证明最近邻距离可近似自然密度基距离函数，加强聚类中使用最近邻距离的理论基础。
• 将Kirszbraun定理应用于非欧几里得、数据驱动的语境，以建立度量等价性。

提出的方法

• 该证明利用Kirszbraun定理（Lipschitz扩张定理）将度量空间之间的Lipschitz函数进行扩展，从而实现对离散与连续度量的比较。
• 作者将最近邻度量的结构分析为图上的测地线，将每个点的最近邻视为连通边。
• 他们证明边平方度量（即边权为距离平方的图中最短路径）满足与最近邻度量相同的度量性质。
• 该证明在Kirszbraun框架下构建了两个度量之间的双Lipschitz嵌入，证明了它们的等价性。
• 分析结合了泛函分析与计算几何的工具，以弥合离散与连续度量空间之间的鸿沟。

实验结果

研究问题

• RQ1 边平方度量与最近邻度量在数学上是否等价？
• RQ2 能否严格证明离散度量（如最近邻距离）可近似连续的、基于密度的距离函数？
• RQ3 Kirszbraun定理是否为证明离散与连续度量之间等价性提供了可行的理论框架？
• RQ4 最近邻度量相对于自然密度基距离函数的近似质量如何？

主要发现

• 边平方度量与最近邻度量在数学上等价，解决了度量学习中长期存在的开放性问题。
• 该证明建立了1-近似（精确等价），优于先前的3-近似结果。
• Kirszbraun定理实现了离散与连续度量之间非平凡的理论联系，这是该语境下的新颖应用。
• 通过结合Hwang、Damelin与Hero的研究结果，证明了在密度的i.i.d.样本上，最近邻距离是自然密度基距离函数的一个常数近似。