[论文解读] Space-Efficient Approximate Spherical Range Counting in High Dimensions

Andreas Kalavas, Ioannis Psarros|arXiv (Cornell University)|Mar 12, 2026

Computational Geometry and Mesh Generation被引用 0

一句话总结

该论文提出一种近线性空间的数据结构，用于高维近似球形范围计数，当歧义区域点的数量 t_q 子线性时查询时间也为子线性。它结合了划分树、ε-刺穿概念以及一种学习启发的预处理变体。

ABSTRACT

We study the following range searching problem in high-dimensional Euclidean spaces: given a finite set $P\subset \mathbb{R}^d$, where each $p\in P$ is assigned a weight $w_p$, and radius $r>0$, we need to preprocess $P$ into a data structure such that when a new query point $q\in \mathbb{R}^d$ arrives, the data structure reports the cumulative weight of points of $P$ within Euclidean distance $r$ from $q$. Solving the problem exactly seems to require space usage that is exponential to the dimension, a phenomenon known as the curse of dimensionality. Thus, we focus on approximate solutions where points up to $(1+\varepsilon)r$ away from $q$ may be taken into account, where $\varepsilon>0$ is an input parameter known during preprocessing. We build a data structure with near-linear space usage, and query time in $n^{1-Θ(\varepsilon^4/\log(1/\varepsilon))}+t_q^{\varrho}\cdot n^{1-\varrho}$, for some $\varrho=Θ(\varepsilon^2)$, where $t_q$ is the number of points of $P$ in the ambiguity zone, i.e., at distance between $r$ and $(1+\varepsilon)r$ from the query $q$. To the best of our knowledge, this is the first data structure with efficient space usage (subquadratic or near-linear for any $\varepsilon>0$) and query time that remains sublinear for any sublinear $t_q$. We supplement our worst-case bounds with a query-driven preprocessing algorithm to build data structures that are well-adapted to the query distribution.

研究动机与目标

• 在高维下的诅咒条件下，激发并定义近似球形范围计数问题。
• 开发一个近线性空间的数据结构，能够在半径 (1+ε)r 内对查询进行近似回答。
• 实现子线性查询时间，且与歧义区间中点的数量 t_q 相关。
• 给出最坏情况保证和一个面向查询分布的数据驱动预处理变体。

提出的方法

• 将划分树应用于高维近似范围计数。
• 引入更强的 ε-刺穿概念：若存在距离 query ≤ r 的点和距离 query ≥ (1+ε)r 的点，则 query 对该集合 ε-刺穿。
• 使用轻边和乘法权重更新（MWU）构造一个具有低 ε-刺穿数的生成树，以支持高效的划分树。
• 通过 LSH 将 Hamming 度量进行随机嵌入，实现近似刺穿查询并支持高效遍历划分树。
• 采用受学习理论启发的面向查询分布的数据驱动预处理变体，使结构更适合查询分布。
• 利用 Johnson-Lindenstrauss 映射与终端嵌入来在保持必要距离的同时控制维度。

实验结果

研究问题

• RQ1 高维情形下能否在近线性空间内解决近似球形范围计数？
• RQ2 当歧义区点 t_q 子线性时，查询时间是否仍然保持在 n 的子线性？
• RQ3 哪些结构性质（如低 ε-刺穿数）能够让该问题的划分树高效？
• RQ4 数据驱动的预处理是否能在现实查询分布下提升平均性能？

主要发现

• 一种随机化数据结构实现近线性空间，前缀符号：O(n) 的数量级，预处理时间为 O(dn) + n^{poly(1/ε)}，当 t_q 子线性时查询时间为子线性。
• 在简化版本中，查询时间为 n^{1 - Θ(ε^{4}/log(1/ε))} + t_q^{Θ(ε^{2})} · n^{1 - Θ(ε^{2})}，在保持对小 t_q 的子线性性能的同时提升了先前的空间效率。
• 存在并可在多项式时间内计算出的具有子线性 ε-刺穿数的生成树，支持高效的划分树。
• 一种面向查询分布的数据驱动预处理算法在实际中实现了接近最优的期望访问次数，降低了预处理复杂度到 n^{O(1)} 的量级。
• 该方法将划分树、ε-刺穿、基于 MWU 的生成树和随机嵌入结合起来，达到上述保证，这是在子线性 t_q 的情况下实现 subquadratic/near-linear 空间与子线性查询时间的首次尝试。