[论文解读] Partition distances

Giovanni Rossi|arXiv (Cornell University)|Jun 22, 2011

Digital Image Processing Techniques参考文献 11被引用 6

一句话总结

本文引入了新颖的划分距离度量，重点关注指示-汉明（IH）距离，该距离通过计算同时细于任一划分但不同时细于两者的原子数量，将汉明距离从子集推广至划分。IH距离被证明是最细致且精确的，其取值范围显著大于现有度量，尤其在划分格的中间层级表现更优。

ABSTRACT

Alternative novel measures of the distance between any two partitions of a n-set are proposed and compared, together with a main existing one, namely 'partition-distance' D(.,.). The comparison achieves by checking their restriction to modular elements of the partition lattice, as well as in terms of suitable classifiers. Two of the new measures obtain through the size, a function mapping every partition into the number of atoms finer than that partition. One of these size-based distances extends to geometric lattices the traditional Hamming distance between subsets, when these latter are regarded as hypercube vertexes or binary n-vectors. After carefully framing the environment, a main comparison finally results from the following bounding problem: for every value k, with 0

研究动机与目标

• 开发新的、基于组合结构的划分间距离度量，以保持划分格的结构性关系，类似于汉明距离保持子集关系的方式。
• 将所提出的度量（特别是指示-汉明（IH）距离）与现有划分距离度量进行比较，包括传统的划分距离 $D(P,Q)$ 以及基于秩或大小的距离度量。
• 通过分析其在模元素和代表性划分对上的取值范围与行为，评估每种距离度量的精确度与细致程度。
• 针对固定值 $D(P,Q) = k$，建立IH距离的理论边界，证明其对划分间细微差异的更高敏感性。
• 将IH距离构建成子集格中汉明距离的忠实类比，通过原子与大小函数实现几何格兼容性。

提出的方法

• 将指示-汉明（IH）距离定义为 $\delta^{IH}(P,Q) = \sum_{B \in \mathcal{P}^N_1} \left| \{i \in B \mid \text{exactly one of } P,Q \text{ contains } i \} \right|$，即计数细于两个划分中恰好一个的原子数量。
• 使用大小函数 $s(P)$（定义为细于 $P$ 的原子数量）构建基于大小的距离度量，类似于基于秩的距离，但使用 $P$ 的并表示中最大原子数。
• 通过在划分块与原子上构建二分图 $G_m$ 的贪心构造，利用基于块大小与边数的二项式系数的权重函数 $w_{m+1}$，对IH距离进行表征。
• 通过在二分图序列 $G_0, \dots, G_k$ 上优化，最小化与最大化最终加权贡献总和，推导出给定 $D(P,Q) = k$ 时 $\delta^{IH}(P,Q)$ 的下界与上界。
• 将所有距离度量归一化至 $[0,1]$ 以进行比较分析，使用 $\hat{\delta}(P,Q) = 1 - \frac{1}{1 + \delta(P,Q)}$，以评估其相对精确度与取值范围。
• 在补格背景下对所有距离应用分类器，评估其在模元素上的行为及其在区分划分差异方面的适用性。

实验结果

研究问题

• RQ1 如何将子集间的汉明距离忠实推广至划分格，以保持对称差与格序结构？
• RQ2 对于所有满足固定划分距离 $D(P,Q) = k$ 的划分对，指示-汉明距离 $\delta^{IH}(P,Q)$ 的取值范围是什么？
• RQ3 IH距离在细致程度与敏感性方面相较于其他划分距离度量如何，特别是在哈斯图的中层表现如何？
• RQ4 基于秩与基于大小的距离在区分具有多个补元的非模划分时，其失效程度如何？
• RQ5 能否通过将划分表示为二进制 $\binom{n}{2}$-向量，实现IH距离的高效计算，即利用点积 $\delta^{IH}(P,Q) = \langle I_P, I_Q \rangle$ 快速计算？

主要发现

• 指示-汉明（IH）距离在所有考虑的距离度量中具有最大的取值范围，当 $n \geq 3$ 时，其最大可能值为 $\binom{n}{2} - 1$，显著超过其他度量。
• 对于每个固定的 $k = D(P,Q)$，IH距离 $\delta^{IH}(P,Q)$ 的最小值与最大值均被严格界定，且通过在块与原子上的二分图贪心算法推导得出。
• 大小函数 $s(P)$（定义为细于 $P$ 的原子数量）是严格单调且超模的，为基于大小的距离度量提供了稳健基础。
• IH距离被证明是最细致且精确的，因为它充分利用了几何格中的线性依赖性，并在原子层面计数差异，而基于秩或大小的度量则不具备此特性。
• 归一化后的IH距离 $\hat{\delta}^{IH}$ 的像集 $R(\hat{\delta}^{IH}) \subset [0,1]$ 最大，表明其在区分不同划分对方面具有更优能力。
• 当划分表示为二进制 $\binom{n}{2}$-向量时，IH距离可高效计算为点积 $\delta^{IH}(P,Q) = \langle I_P, I_Q \rangle$，从而实现快速计算。