[论文解读] Optimal rates of convergence for persistence diagrams in Topological Data Analysis

Frédéric Chazal, Marc Glisse+2 more|arXiv (Cornell University)|May 27, 2013

Topological and Geometric Data Analysis参考文献 41被引用 20

一句话总结

本文在统计框架下建立了拓扑数据分析中持久图的最优收敛速率，表明经验持久图与总体持久图之间的瓶颈距离收敛于极小极大最优速率。通过分析从紧致度量空间中独立同分布采样的点云，作者推导出依赖于底层支撑的固有维数和正则性的非渐近界，为持久同调作为统计工具提供了理论保证。

ABSTRACT

Computational topology has recently known an important development toward data analysis, giving birth to the field of topological data analysis. Topological persistence, or persistent homology, appears as a fundamental tool in this field. In this paper, we study topological persistence in general metric spaces, with a statistical approach. We show that the use of persistent homology can be naturally considered in general statistical frameworks and persistence diagrams can be used as statistics with interesting convergence properties. Some numerical experiments are performed in various contexts to illustrate our results.

研究动机与目标

• 在统计采样模型下，建立拓扑数据分析中持久图的极小极大最优收敛速率。
• 分析从有限独立同分布样本中得到的经验持久图向底层支撑的总体持久图的收敛性。
• 为经验持久图与真实持久图之间的瓶颈距离提供非渐近、分布无关的界。
• 验证持久同调作为一般度量空间中几何推断工具的统计一致性。

提出的方法

• 作者将数据建模为从紧致度量空间上的概率测度中独立同分布采样的结果，并分析基于这些样本构建的过滤单纯复形（如Rips复形）的持久图。
• 他们使用瓶颈距离作为比较持久图的主要度量，利用持久同调理论中的稳定性结果。
• 理论分析通过构造两个总变差距离小但持久图间瓶颈距离大的概率测度，借助Le Cam引理推导下界。
• 对于上界，他们应用几何推断和度量熵的结果来控制底层空间的复杂性，将收敛速率与支撑的固有维数和正则性相关联。
• 分析在一般度量空间中进行，不限于欧几里得嵌入，因此可应用于传感器或社交网络等抽象度量数据。
• 关键技术工具包括使用具有受控Hölder正则性的扰动流形和密度函数，以构造极小极大下界。

实验结果

研究问题

• RQ1 在统计设置下，经验持久图与总体持久图之间瓶颈距离的最优收敛速率是什么？
• RQ2 收敛速率如何依赖于底层度量空间的固有维数和正则性？
• RQ3 能否在从紧致度量空间中独立同分布采样下，为持久图估计建立极小极大下界？
• RQ4 过滤方式的选择（如Rips复形）在多大程度上影响持久图的收敛行为？
• RQ5 支撑的几何与拓扑性质如何影响持久同调的统计一致性？

主要发现

• 本文建立了瓶颈距离收敛速率的极小极大下界，其阶为 $ n^{-1/(d+\beta)} $，其中 $ d $ 为固有维数，$ \beta $ 为支撑的正则性参数。
• 对于Rips过滤，经验与总体支撑的持久图之间的瓶颈距离以 $ O(n^{-1/(d+\beta)}) $ 的速率收敛，与极小极大下界一致。
• 收敛速率依赖于底层密度的Hölder正则性 $ \alpha $，支撑正则性越低，收敛越慢。
• 真实与扰动测度之间的总变差距离被控制在 $ O(\gamma^{d/2}) $ 以内，该界通过Le Cam引理用于推导极小极大下界。
• 结果适用于一般度量空间，不限于欧几里得嵌入，因此将持久同调的统计有效性扩展至抽象度量数据。
• 数值实验在多种场景（包括流形和扰动支撑）中验证了理论收敛速率。