[论文解读] The Generalized Persistent Nerve Theorem

Nicholas J. Cavanna, Donald R. Sheehy|arXiv (Cornell University)|Jul 20, 2018

Topological and Geometric Data Analysis参考文献 13被引用 6

一句话总结

本文引入了 $\varepsilon$-good 覆盖过滤作为拓扑数据分析中持久同调近似的一种广义条件。它证明了在单纯过滤及其其骨架过滤的 $K$-维持久同调模之间存在一个构造性的 $(K+1)\varepsilon$-交错，从而得到一个紧致的瓶颈距离上界 $(K+1)\varepsilon$，当 $\varepsilon = 0$ 时，经典持久骨架引理即为其特例。该结果使得对非凸或覆盖不完全的空间实现稳健的拓扑推断成为可能。

ABSTRACT

In this paper a parameterized generalization of a good cover filtration is introduced called an ε-good cover, defined as a cover filtration in which the reduced homology groups of the image of the inclusions between the intersections of the cover filtration at two scales ε apart are trivial. Assuming that one has an ε-good cover filtration of a finite simplicial filtration, we prove a tight bound on the bottleneck distance between the persistence diagrams of the nerve filtration and the simplicial filtration that is linear with respect to ε and the homology dimension. This bound is the result of a computable chain map from the nerve filtration to the space filtration's chain complexes at a further scale. Quantitative guarantees for covers that are not good are useful for when one is working a non-convex metric space, or one has more simplicial covers that are not the result of triangulations of metric balls. The Persistent Nerve Lemma is also a corollary of our theorem as good covers are 0-good covers. Lastly, a technique is introduced that symmetrizes the asymmetric interleaving used to prove the bound by shifting the nerve filtration's persistence module, improving the interleaving constant by a factor of 2.

研究动机与目标

• 将持久骨架引理推广至允许非良好覆盖的持久同调计算情形。
• 解决经典骨架定理与持久骨架引理的局限性，即其要求良好覆盖（可缩交集），而这一条件在真实世界数据中往往不成立。
• 为骨架基近似提供定量的稳定性保证，当覆盖交集具有有限的拓扑持久性时。
• 使在非凸度量空间或具有不规则探测区域的传感器网络覆盖数据上实现实际的拓扑数据分析成为可能。
• 通过允许使用更小的 $\varepsilon$-good 覆盖而非完整的良好覆盖，提升计算可行性。

提出的方法

• 引入 $\varepsilon$-good 覆盖过滤的概念，其中在尺度 $\varepsilon$ 间隔下，覆盖元素交集的约化同调为平凡。
• 在被覆盖空间的链复形与其骨架之间构建伪交错，依赖链同伦定义映射，这些映射并非严格互逆但满足交错条件。
• 使用胞腔同调将链级交错关系与持久同调模联系起来，建立单纯过滤及其骨架之间 $K$-维持久同调模的 $(K+1)\varepsilon$-交错。
• 通过将骨架过滤平移 $t/2 = (K+1)\varepsilon/2$ 来对称化非对称交错，使瓶颈距离上界改善两倍。
• 使用重心剖分确保骨架的几何实现与骨架复形同胚，从而保持持久图不变。
• 应用定理 3（交错距离）推导出瓶颈距离上界 $\mathrm{d}_B(\text{Dgm}_K(\mathcal{W}), \text{Dgm}_K(\mathrm{Nrv}\,\mathcal{U})) \leq (K+1)\varepsilon$。

实验结果

研究问题

• RQ1 能否将持久骨架引理扩展到覆盖并非良好，但其交集具有受控拓扑持久性的场景？
• RQ2 当覆盖仅为 $\varepsilon$-good 时，过滤单纯复形与其骨架的持久图之间的瓶颈距离的最紧上界是什么？
• RQ3 如何构建非凸或非三角化的覆盖的稳定且可计算的持久同调近似？
• RQ4 证明中使用的非对称交错能否被对称化以改善近似因子？
• RQ5 同调维数 $K$ 与瓶颈距离对 $\varepsilon$ 的敏感性之间有何关系？

主要发现

• 本文在 $\varepsilon$-good 覆盖条件下，建立了有限单纯过滤及其骨架过滤的 $K$-维持久同调模之间的构造性 $(K+1)\varepsilon$-交错。
• 被覆盖空间与骨架的持久图之间的瓶颈距离被 $(K+1)\varepsilon$ 上界控制，提供了定量的稳定性保证。
• 当 $\varepsilon = 0$ 时，经典持久骨架引理作为推论被恢复，确认了与先前理论的一致性。
• 通过将骨架过滤平移 $t/2$ 实现交错的对称化，瓶颈距离上界被改进为 $\frac{K+1}{2}\varepsilon$，误差降低两倍。
• 该结果适用于任意有限单纯过滤及其对应的 $\varepsilon$-good 覆盖，无需底层空间具有凸性或光滑性。
• 上界可扩展至完整的持久图，满足 $\mathrm{d}_B(\text{Dgm}(\mathcal{W}), \text{Dgm}(\mathrm{Nrv}\,\mathcal{U})) \leq (D+1)\varepsilon$，其中 $D$ 为骨架复形的最大维数。