[论文解读] Persistence Images: An Alternative Persistent Homology Representation.

Sofya Chepushtanova, Tegan Emerson+7 more|arXiv (Cornell University)|Jul 22, 2015

Topological and Geometric Data Analysis参考文献 27被引用 11

一句话总结

本文提出了持久性图像（persistence images），这是一种新颖的持久性图表示方法，可将拓扑特征转换为适合机器学习的基于网格的可微格式。通过将持久性图转换为图像，该方法使更广泛的距离度量和机器学习算法得以应用，在多个数据集上实现了比直接使用持久性图更高的分类准确率。

ABSTRACT

Many datasets can be viewed as a noisy sampling of an underlying topological space. Topological data analysis aims to understand and exploit this underlying structure for the purpose of knowledge discovery. A fundamental tool of the discipline is persistent homology, which captures underlying data-driven, scale-dependent homological information. A representation in a concisely summarizes this information. By giving the space of persistence diagrams a metric structure, a class of effective machine learning techniques can be applied. We modify the persistence diagram to a in a manner that allows the use of a wider set of distance measures and extends the list of tools from machine learning which can be utilized. It is shown that several machine learning techniques, applied to persistence images for classification tasks, yield high accuracy rates on multiple data sets. Furthermore, these same machine learning techniques fare better when applied to persistence images than when applied to persistence diagrams. We discuss sensitivity of the classification accuracy to the parameters associated to the approach. An application of persistence image based classification to a data set arising from applied dynamical systems is presented to further illustrate.

研究动机与目标

• 为解决持久性图在机器学习中的局限性，创建一种更具兼容性的表示方法。
• 通过将持久性图转换为类似图像的结构，使多样化的机器学习技术能够应用于拓扑数据分析。
• 通过更稳健且可微的表示方法，提升具有复杂拓扑结构的数据集上的分类性能。

提出的方法

• 通过使用高斯核对持久性点进行加权平均，将持久性图转换为二维网格表示。
• 采用固定网格分辨率，将连续的拓扑特征转换为适合机器学习的离散向量格式。
• 应用归一化方案以确保尺度不变性，并提升在不同数据集间的泛化能力。
• 在生成的持久性图像上应用标准机器学习算法（例如，SVM、随机森林）进行分类任务。
• 通过优化图像参数（例如，核带宽、网格大小）以最大化分类准确率。

实验结果

研究问题

• RQ1 与直接使用持久性图相比，基于网格的持久性图表示是否能提升机器学习性能？
• RQ2 分类准确率对持久性图像构建过程中参数选择的敏感性如何？
• RQ3 持久性图像能否有效捕捉真实世界数据集（如动力系统中的数据）中的拓扑特征？

主要发现

• 在标准机器学习算法下，持久性图像显著优于直接使用持久性图，在多个数据集上均实现了更高的分类准确率。
• 由于其向量化且类似图像的结构，该方法使更广泛的距离度量和学习技术得以应用。
• 分类准确率对核带宽和网格分辨率等参数选择较为敏感，但可通过经验调优找到最优设置。
• 该方法成功捕捉到了来自应用动力系统数据集中的有意义拓扑结构，展示了其实际应用价值。