[论文解读] The Higher-Dimensional Skeletonization Problem

Sara Kališnik, Vitaliy Kurlin+1 more|arXiv (Cornell University)|Jan 29, 2017

Topological and Geometric Data Analysis参考文献 20被引用 6

一句话总结

本文研究了单纯复形中的高维骨架化问题，建立了k-生成子复形及其同调行为的基础性质。证明了k-生成子复形在维度k−2以内保持同调群同构，在维度k−1上保持满射，并通过添加面时贝蒂数的变化提供了构造最小生成树与森林的标准。

ABSTRACT

Real data is often given as a point cloud, i.e. a finite set of points with pairwise distances between them. An important problem is to detect the topological shape of data --- for example, to approximate a point cloud by a low-dimensional non-linear subspace such as an embedded graph or a simplicial complex. Classical clustering methods and principal component analysis work well when given data points split into well-separated clusters or lie near linear subspaces of a Euclidean space. Methods from topological data analysis in general metric spaces detect more complicated patterns such as holes and voids that persist for a long time in a 1-parameter family of shapes associated to a cloud. These features can be visualized in the form of a 1-dimensional homologically persistent skeleton, which optimally extends a minimal spanning tree of a point cloud to a graph with cycles. We generalize this skeleton to higher dimensions and prove its optimality among all complexes that preserve topological features of data at any scale.

研究动机与目标

• 形式化并分析高维单纯复形中k-生成子复形的概念。
• 建立此类子复形的基础同调性质，特别是关于同调同构与满射的性质。
• 通过添加面时贝蒂数的变化，表征最小生成结构（k-树与k-森林）。
• 将抽象理论与拓扑数据分析中的实际应用相联系，特别是通过Čech与Vietoris-Rips滤子。
• 提供识别标准单纯形与点云复形中最大k-森林及生成k-树的构造性准则。

提出的方法

• 使用单纯同调理论分析包含映射 $H_i(\text{S} \to \text{Q})$ 对于 $i \leq k-1$ 的情形，证明在k−2以内同构，在k−1处满射。
• 应用欧拉示性数公式，推导出$\mathcal{S}$与$\mathcal{Q}$之间面数与贝蒂数之间的平衡方程：$\#k\text{-faces in } \mathcal{Q} + \beta_{k-1}(\mathcal{Q}^{(k)}) - \beta_k(\mathcal{Q}^{(k)}) = \#k\text{-faces in } \mathcal{S} + \beta_{k-1}(\mathcal{S}) - \beta_k(\mathcal{S})$。
• 对$\mathcal{Q} \setminus \mathcal{S}$中k-面的集合使用极小性论证，证明若$\beta_{k-1}(\mathcal{S}) > \beta_{k-1}(\mathcal{Q})$，则存在某个单个k-面$F$，使得$\beta_{k-1}$减少但$\beta_k$不变。
• 通过从$\mathcal{S}$中移除k-圈的一组基，构造一个$k$-森林$F \subseteq \mathcal{S}$，确保$F$在$\mathcal{S}$与$\mathcal{Q}$中均为$(k-1)$-适配且$k$-生成。
• 使用相对同调的长正合列证明，包含映射$H_k((\mathcal{S},F) \to (\mathcal{Q},F))$是同构当且仅当$H_k(\mathcal{S} \to \mathcal{Q})$是同构。
• 应用神经引理，证明在点云数据中使用Čech复形作为偏移并集的同伦近似是合理的，并与Vietoris-Rips滤子进行比较。

实验结果

研究问题

• RQ1 在单纯复形中，一个k-子复形成为k-生成的充要条件是什么？
• RQ2 当向k-森林中添加一个单个k-面时，贝蒂数如何变化？这对同调保持意味着什么？
• RQ3 在单纯复形$\mathcal{Q}$中，k-子复形$\mathcal{S}$在什么条件下会诱导$H_{k-1}$上的满射，以及在$i < k-1$时诱导同构？
• RQ4 一个最大k-森林在单纯复形中如何表征？它与k-树的关系是什么？
• RQ5 k-生成子复形的理论如何应用于通过Čech或Vietoris-Rips滤子从点云中重构形状？

主要发现

• k-生成子复形$\mathcal{S}$在所有$i \leq k-2$时诱导同调群同构，在$H_{k-1}$上诱导满射，从而实现强同调控制。
• 面数与贝蒂数平衡方程成立：$\#k\text{-faces in } \mathcal{Q} + \beta_{k-1}(\mathcal{Q}^{(k)}) - \beta_k(\mathcal{Q}^{(k)}) = \#k\text{-faces in } \mathcal{S} + \beta_{k-1}(\mathcal{S}) - \beta_k(\mathcal{S})$。
• 若$\beta_{k-1}(\mathcal{S}) > \beta_{k-1}(\mathcal{Q})$，则存在一个单个k-面$F \in \mathcal{Q} \setminus \mathcal{S}$，使得$\beta_{k-1}(\mathcal{S} \cup \{F\}) = \beta_{k-1}(\mathcal{S}) - 1$且$\beta_k(\mathcal{S} \cup \{F\}) = \beta_k(\mathcal{S})$。
• 存在一个$k$-生成的$k$-森林$F \subseteq \mathcal{S}$，且在$\mathcal{S}$与$\mathcal{Q}$中均为$(k-1)$-适配，前提是$\mathcal{S}$是$(k-1)$-适配的。
• 在标准$n$-单纯形$\Delta_n$中，$k$-森林$F$是$k$-树当且仅当添加任意一个不在$F$中的$k$-面$E$后，有$H_k(F \cup \{E\}) \neq 0$，即$\beta_k(F \cup \{E\}) = 1$。
• 在标准$n$-单纯形$\Delta_n$中，每个生成$k$-树恰好包含$\binom{n}{k}$个$k$-面（当$k \geq 1$时），而当$k = 0$时为0个。