[论文解读] Robust Topological Inference: Distance To a Measure and Kernel Distance

Frédéric Chazal, Brittany Terese Fasy+4 more|arXiv (Cornell University)|Dec 22, 2014

Topological and Geometric Data Analysis参考文献 41被引用 105

一句话总结

本文提出使用距离到测度（DTM）和核距离（KD）进行鲁棒的拓扑推断，以克服标准持久同调对噪声和异常值的敏感性。它建立了DTM平方的渐近正态性，并开发了基于自展法的置信带，从而实现对拓扑特征的严格误差控制下的统计推断。

ABSTRACT

Let P be a distribution with support S. The salient features of S can be quantified with persistent homology, which summarizes topological features of the sublevel sets of the distance function (the distance of any point x to S). Given a sample from P we can infer the persistent homology using an empirical version of the distance function. However, the empirical distance function is highly non-robust to noise and outliers. Even one outlier is deadly. The distance-to-a-measure (DTM), introduced by Chazal et al. (2011), and the kernel distance, introduced by Phillips et al. (2014), are smooth functions that provide useful topological information but are robust to noise and outliers. Chazal et al. (2014) derived concentration bounds for DTM. Building on these results, we derive limiting distributions and confidence sets, and we propose a method for choosing tuning parameters.

研究动机与目标

• 为解决标准持久同调在噪声和异常值下缺乏统计鲁棒性的问题，其性能会因此崩溃。
• 开发一种基于距离到测度（DTM）和核距离（KD）的统计有效框架，作为经验距离函数的鲁棒替代，用于拓扑推断。
• 推导DTM的极限分布与置信集，以实现对拓扑特征的统计推断。
• 提出一种数据驱动的方法用于DTM和KD的调参选择，提升方法的实际适用性。

提出的方法

• 使用距离到测度（DTM）作为经验距离函数的鲁棒替代，其定义为满足质量约束的概率测度的L2距离。
• 建立√n(δ̂²(x) − δ²(x))的渐近正态性，其中δ为真实的DTM，δ̂为其经验估计量。
• 应用自展法构建DTM的渐近有效置信带，从而能够识别在噪声之上具有统计显著性的拓扑特征。
• 在持久同调中将DTM与核密度估计（KDE）进行比较，表明DTM在高密度结构和异常值情境下具有更优的鲁棒性。
• 采用边界校正和数据锐化技术，以提升有限样本设置下的性能。
• 提出一种基于自展法和拓扑特征稳定性的调参选择方法。

实验结果

研究问题

• RQ1 在污染和噪声条件下，DTM能否为持久同调提供一种统计有效且鲁棒的替代经验距离函数的方法？
• RQ2 DTM估计量的极限分布是什么？是否可用于构建拓扑特征的置信集？
• RQ3 自展法如何用于生成DTM的渐近有效置信带，以区分拓扑信号与噪声？
• RQ4 在持久同调中，DTM与核密度估计相比表现如何，特别是在高密度或易受异常值影响的情境下？
• RQ5 调参对使用DTM和KD进行拓扑推断的鲁棒性与准确性有何影响？

主要发现

• 量√n(δ̂²(x) − δ²(x))依分布收敛于高斯过程，确立了DTM估计量的渐近正态性。
• 自展法提供了DTM的渐近有效置信带，从而实现了对拓扑特征显著性的统计推断。
• 在持久同调中，DTM优于核密度估计，尤其在存在高密度结构和异常值的情境下，这在Voronoi泡沫模型实验中得到验证。
• 在三重Voronoi模型比较中，DTM的持久图正确识别出一个连通分量和八个空洞为显著特征，而KDE特征则被噪声掩盖。
• 所提出的基于自展法的方法成功将拓扑信号与噪声分离，这通过持久图中的置信带得到验证。
• 本文为DTM和KD的调参选择提供了原则性框架，增强了拓扑数据分析中的可重现性与鲁棒性。