[论文解读] Probabilistic Fréchet Means and Statistics on Vineyards.

Elizabeth Munch, Paul Bendich+4 more|arXiv (Cornell University)|Jul 24, 2013

Topological and Geometric Data Analysis参考文献 24被引用 7

一句话总结

该论文提出了一种概率性改进的持久性图的弗雷chet均值，将其定义为对扰动后图的原子测度的加权和，以确保霍尔德连续性。该方法通过解决在连续变化的图集上计算均值时的不连续性问题，实现了在vineyards上的稳定统计分析。

ABSTRACT

In order to use persistence diagrams as a true statistical tool, it would be very useful to have a good notion of mean and variance for a set of diagrams. In [20], Mileyko and his collaborators made the first study of the properties of the Frechet mean in (Dp,Wp), the space of persistence diagrams equipped with the p-th Wasserstein metric. In particular, they showed that the Frechet mean of a finite set of diagrams always exists, but is not necessarily unique. As an unfortunate consequence, one sees that the means of a continuously-varying set of diagrams do not themselves vary continuously, which presents obvious problems when trying to extend the Frechet mean definition to the realm of vineyards. We fix this problem by altering the original definition of Frechet mean so that it now becomes a probability measure on the set of persistence diagrams; in a nutshell, the mean of a set of diagrams will be a weighted sum of atomic measures, where each atom is itself the (Frechet mean) persistence diagram of a perturbation of the input diagrams. We show that this new definition defines a (Holder) continuous map, for each k, from (Dp) k → P (Dp), and we present several examples to show how it may become a useful statistic on vineyards.

研究动机与目标

• 解决在将标准弗雷chet均值应用于vineyards时，持久性图均值计算中出现的不连续性问题。
• 在p阶Wasserstein度量下，为持久性图集合开发一种稳定且连续的统计均值。
• 在输入图随时间连续变化的动态场景（如vineyards）中，实现基于均值的统计分析。
• 确保均值映射为霍尔德连续，以支持稳健的统计推断。

提出的方法

• 将概率弗雷chet均值定义为持久性图空间上的概率测度。
• 将均值构造为原子测度的加权和，每个原子测度对应于输入图的扰动版本的弗雷chet均值。
• 通过输入图的扰动生成多个候选均值，以确保多样性与稳定性。
• 证明由此产生的均值映射是从(Dp)^k到P(Dp)（即Dp上概率测度空间）的霍尔德连续映射。
• 将该方法应用于vineyards，其中输入图随时间连续变化。
• 通过理论分析和实例验证，展示在输入图发生微小变化时，均值的连续性与稳定性。

实验结果

研究问题

• RQ1 在输入图随时间平滑变化的vineyards背景下，能否为持久性图定义一种连续的均值？
• RQ2 如何解决标准弗雷chet均值的非唯一性与不连续性问题，以实现可靠的统计分析？
• RQ3 在扰动图上定义的概率均值表现出哪些特性，特别是连续性与稳定性方面？
• RQ4 所提出的方法在平均过程中在多大程度上保留了原始图的拓扑信息？
• RQ5 该概率均值能否在动态拓扑数据分析中有效用作统计摘要？

主要发现

• 所提出的概率弗雷chet均值是从(Dp)^k到P(Dp)的霍尔德连续映射，解决了标准弗雷chet均值的不连续性问题。
• 该均值被定义为原子测度的加权和，每个原子测度的中心位于输入图集扰动版本的弗雷chet均值处。
• 该方法确保输入图的微小变化仅引起结果均值测度的微小且可控的变化。
• 通过确保时间变化图序列中均值计算的连续性，该方法实现了在vineyards上的稳定统计分析。
• 理论与实例结果共同表明，该概率均值为经典弗雷chet均值提供了一种稳健且连续的替代方案。