[论文解读] Nonparametric Estimation of Probability Density Functions of Random Persistence Diagrams

Joshua Lee Mike, Vasileios Maroulas|arXiv (Cornell University)|Mar 7, 2018

Topological and Geometric Data Analysis被引用 6

一句话总结

本文提出了一种针对随机持久性图的非参数核密度估计方法，通过在给定图上构建一个核函数，其中带宽对长持久特征进行单独处理，对短持久特征进行集体处理。该方法确保了密度估计收敛于真实分布，并在拓扑数据分析中实现了稳健的统计推断。

ABSTRACT

We introduce a nonparametric way to estimate the global probability density function for a random persistence diagram. Precisely, a kernel density function centered at a given persistence diagram and a given bandwidth is constructed. Our approach encapsulates the number of topological features and considers the appearance or disappearance of features near the diagonal in a stable fashion. In particular, the structure of our kernel individually tracks long persistence features, while considering features near the diagonal as a collective unit. The choice to describe short persistence features as a group reduces computation time while simultaneously retaining accuracy. Indeed, we prove that the associated kernel density estimate converges to the true distribution as the number of persistence diagrams increases and the bandwidth shrinks accordingly. We also establish the convergence of the mean absolute deviation estimate, defined according to the bottleneck metric. Lastly, examples of kernel density estimation are presented for typical underlying datasets.

研究动机与目标

• 开发一种非参数方法，以估计缺乏向量空间结构的随机持久性图的全局概率密度函数（pdf）。
• 通过适应其几何与拓扑结构，解决对持久性图——数据的复杂、非线性汇总——进行pdf估计的挑战。
• 通过将短持久特征分组为一个整体单元，同时单独追踪长持久特征，确保计算上的可行性。
• 在样本量增加且带宽缩小的条件下，建立核密度估计与瓶颈度量下均绝对偏差的理论收敛性。
• 提供一个数据驱动的框架，用于拓扑数据分析中的统计推断，支持诸如分类置信度评估和特征生成等应用。

提出的方法

• 使用带宽参数在持久性图上构建以该图为中⼼的核密度估计器，其中核函数分别对长持久特征和短持久特征进行建模。
• 将中心图分解为上部分（长持久特征）和下部分（短持久特征）：$\mathscr{D} = \mathscr{D}^u \cup \mathscr{D}^\ell$，其中$\mathscr{D}^u$包含高持久性特征，$\mathscr{D}^\ell$聚合了靠近对角线的特征。
• 通过在$\mathcal{W}_{0:\mathbbm{d}-1}$上的多楔形核函数，将下部$\mathscr{D}^\ell$建模为单一集体单元，从而降低计算复杂度。
• 使用一种稳定且非参数的核函数，考虑近对角线处拓扑特征的出现与消失，确保在数据扰动下的鲁棒性。
• 通过利用$\mathscr{D}^u$与$\mathscr{D}^\ell$的可分结构，实现从核密度中高效采样，计算复杂度随$\mathscr{D}^u$中特征数线性增长。
• 将核函数应用于收敛性分析，基于$(A1)$–$(A3)$、$(A2)^*$与$(A3)^*$的假设，这些假设在核密度估计中常见，确保理论一致性。

实验结果

研究问题

• RQ1 如何对缺乏向量空间结构的随机持久性图，一致地估计其非参数概率密度函数？
• RQ2 何种核构造能够实现稳定估计，同时尊重持久性图的拓扑特征，特别是区分长持久与短持久特征？
• RQ3 当图的数量增加且带宽减小时，核密度估计器是否能收敛于持久性图的真实底层分布？
• RQ4 对短持久特征进行集体建模在多大程度上提升了计算效率，同时不损失估计精度？
• RQ5 所估计的密度函数在多大程度上能支持高级统计任务，如分类鲁棒性评估和特征生成？

主要发现

• 随着图的数量增加且带宽适当地缩小，所提出的核密度估计器在概率上收敛于持久性图的真实底层分布。
• 使用瓶颈度量定义的均绝对偏差估计也实现了收敛，验证了估计器在统计推断中的一致性。
• 在计算方面，该方法在中心图中长持久特征数量上线性扩展，而对短持久特征的集体处理在不显著损失精度的前提下降低了复杂度。
• 该方法支持从估计密度中实际采样，全局pdf的评估仅需对下部特征数的平方级复杂度。
• 该方法在典型示例（单位圆上带噪声的数据）中成功捕捉了分布结构，仅通过二维切片的KDE即展示了收敛性与详细的分布洞察。
• 该框架支持高级应用，如基于似然的分类置信度评估，以及生成比传统汇总统计量更丰富的特征。