[论文解读] Squarepants in a Tree: Sum of Subtree Clustering and Hyperbolic Pants Decomposition

David Eppstein|arXiv (Cornell University)|Apr 9, 2006

Computational Geometry and Mesh Generation参考文献 31被引用 6

一句话总结

本论文提出了在一般度量空间、欧几里得平面和双曲平面上进行分层聚类的高效常数因子近似算法，目标是最小化最小生成树长度之和或凸包周长之和。该工作提出了一种基于四叉树聚类与树分解技术的创新组合方法，实现了近乎最优的聚类效果与长裤分解（pants decomposition）——即将平面划分为三边界分量的不相交闭合曲线系统——且总长度在最优解的常数因子范围内，时间复杂度为 O(n log n)。

ABSTRACT

We provide efficient constant factor approximation algorithms for the problems of finding a hierarchical clustering of a point set in any metric space, minimizing the sum of minimimum spanning tree lengths within each cluster, and in the hyperbolic or Euclidean planes, minimizing the sum of cluster perimeters. Our algorithms for the hyperbolic and Euclidean planes can also be used to provide a pants decomposition, that is, a set of disjoint simple closed curves partitioning the plane minus the input points into subsets with exactly three boundary components, with approximately minimum total length. In the Euclidean case, these curves are squares; in the hyperbolic case, they combine our Euclidean square pants decomposition with our tree clustering method for general metric spaces.

研究动机与目标

• 在一般度量空间中设计高效的分层聚类近似算法，目标是最小化聚类内部最小生成树长度之和。
• 将这些算法扩展至欧几里得平面与双曲平面，目标是最小化聚类的凸包周长之和以及长裤分解的总曲线长度。
• 建立凸包周长之和聚类与长裤分解之间的联系，证明两者均可通过统一框架在常数因子内近似。
• 为双曲平面上的长裤分解问题提出一种新颖的近似方法，该问题在以往文献中尚未被研究。
• 分析聚类问题的计算复杂性，并探讨是否可获得更优的近似比或 NP-难性结果。

提出的方法

• 在一般度量空间中形式化子树聚类问题，并证明其为 NP-完全问题，随后设计一种基于平衡最小生成树边移除的贪心分裂算法。
• 在欧几里得平面上应用基于四叉树的聚类方法，实现 O(n log n) 时间复杂度，对凸包周长之和聚类与长裤分解进行近似。
• 在双曲平面上采用混合方法，结合低直径聚类（通过类欧几里得四叉树）与高直径聚类（通过一般度量空间树方法），并利用一个关键引理，即凸包长度与最小生成树长度在特定条件下等价。
• 通过追踪最小生成树的欧拉回路并用凸包边界包围聚类，构造非交叉的长裤分解曲线，确保总长度在最优解的常数因子范围内。
• 在双曲平面上通过保持树分裂过程中的径向顺序，确保几何一致性，避免曲线交叉并维持平面嵌入。
• 利用一个引理，证明在点间分离度有界的双曲空间中，任意聚类的凸包长度与最小生成树长度彼此之间相差常数因子，从而支持近似框架的可行性。

实验结果

研究问题

• RQ1 我们能否在一般度量空间中设计一种高效的常数因子近似算法，以最小化聚类内部最小生成树长度之和？
• RQ2 是否存在一种单一、高效的算法，可对欧几里得平面上的凸包周长之和聚类与长裤分解均实现常数因子近似？
• RQ3 能否将欧几里得平面上使用的技术扩展至双曲平面，以实现对聚类与长裤分解的常数因子近似？
• RQ4 在欧几里得与双曲平面上，最优凸包周长之和聚类与最优长裤分解之间存在何种关系？
• RQ5 欧几里得与双曲平面上的最优凸包周长之和聚类问题是否为 NP-难问题？是否可获得更优的近似比？

主要发现

• 在一般度量空间中，子树聚类问题为 NP-完全问题，但可通过基于平衡最小生成树边分裂的常数因子近似算法解决。
• 在欧几里得平面上，基于四叉树的算法实现了 O(n log n) 时间复杂度，并在常数因子内近似了凸包周长之和聚类与长裤分解。
• 在双曲平面上，一种结合低直径（四叉树）与高直径（树聚类）技术的混合算法，实现了 O(n log n) 时间复杂度，并在常数因子内近似了聚类与长裤分解。
• 一个关键引理表明，在点间分离度有界的双曲空间中，任意聚类的凸包长度与最小生成树长度彼此相差常数因子，从而支持近似框架的构建。
• 所构造的长裤分解曲线是非交叉的，且总长度在最优解的常数因子范围内，通过结合最小生成树欧拉回路与凸包边界实现。
• 在欧几里得与双曲平面上，所提出的算法生成的分层聚类与长裤分解的总代价均在最优解的常数因子范围内，虽未明确给出近似比，但其上界由一个通用常数控制。