[论文解读] Kernel method for persistence diagrams via kernel embedding and weight factor

Genki Kusano, Kenji Fukumizu+1 more|arXiv (Cornell University)|Jun 12, 2017

Topological and Geometric Data Analysis参考文献 22被引用 19

一句话总结

本文提出了一种基于核嵌入和权重因子的持久图核方法，以控制拓扑持久性的影响，通过降低噪声特征的影响实现稳健的统计分析。该方法引入了持久加权高斯核（PWGK），通过基于持久性的加权将图嵌入再生核希尔伯特空间（RKHS），在保持理论稳定性的同时，提升了实际数据分析任务中的性能。

ABSTRACT

Topological data analysis is an emerging mathematical concept for characterizing shapes in multi-scale data. In this field, persistence diagrams are widely used as a descriptor of the input data, and can distinguish robust and noisy topological properties. Nowadays, it is highly desired to develop a statistical framework on persistence diagrams to deal with practical data. This paper proposes a kernel method on persistence diagrams. A theoretical contribution of our method is that the proposed kernel allows one to control the effect of persistence, and, if necessary, noisy topological properties can be discounted in data analysis. Furthermore, the method provides a fast approximation technique. The method is applied into several problems including practical data in physics, and the results show the advantage compared to the existing kernel method on persistence diagrams.

研究动机与目标

• 开发一种用于分析持久图的统计框架，因为持久图本质上是非向量化的，对标准机器学习方法具有挑战性。
• 在核方法中引入拓扑持久性作为权重因子，以控制噪声或弱持久特征的影响。
• 提出一种理论基础坚实、可快速近似的核方法，使基于核的学习能够高效应用于持久图。
• 在真实世界数据应用中，特别是物理学和材料科学中，展示所提方法相对于现有核方法的优越性。

提出的方法

• 该方法通过测度的核嵌入，将持久图嵌入再生核希尔伯特空间（RKHS），将每个图视为狄拉克测度的和。
• 引入持久加权高斯核（PWGK），其中图中的每个点都根据其持久性的函数（如arctan(C·pers^p)）加权，以突出稳健特征。
• 核定义为嵌入测度的内积：K(D,E) = ⟨E_k(μ_D^w), E_k(μ_E^w)⟩_H，其中w是基于持久性的权重函数。
• 理论分析表明，该核在小扰动下具有连续性和稳定性，并推导出核和权重函数的利普希茨连续性界。
• 提供了一种快速近似技术，支持大规模持久图的可扩展计算。
• 该方法已应用于物理学和材料科学的真实数据，结果表明其在性能上优于基线核方法。

实验结果

研究问题

• RQ1 能否设计一种针对持久图的核方法，显式控制拓扑持久性的影响，从而过滤掉噪声特征？
• RQ2 如何以保留拓扑鲁棒性并支持高效基于核的学习的方式，将持久图嵌入希尔伯特空间？
• RQ3 在核中引入基于持久性的权重函数，是否能提升统计性能，相较于标准核方法在持久图上的表现？
• RQ4 该核方法在小扰动下是否稳定，特别是在存在噪声的情况下？

主要发现

• 所提出的持久加权高斯核（PWGK）通过基于持久性的点加权，有效降低了噪声拓扑特征的影响，从而在数据分析中提升了判别能力。
• 理论分析证实，该核具有连续性和利普希茨连续性，确保在输入图的小扰动下保持稳定性。
• 通过高效的近似方案，该方法实现了更快的计算速度，使其适用于大规模应用。
• 在物理学和材料科学的真实数据上的实证结果表明，所提方法在分类和聚类准确率方面优于现有核方法。
• 理论结果表明，尽管该核在严格意义的加法核中并非瓶颈稳定，但所提出的嵌入在实际变换（如图的复制）下仍保持稳定。
• 基于arctan(C·pers^p)的权重函数提供了平滑且有界的持久性缩放，防止极高持久性特征产生极端影响。