Parameterized Vietoris-Rips Filtrations via Covers
计算拓扑学中的一个挑战是处理从点云数据构建的大型过滤几何复合体,例如Vietoris-Rips过滤。这导致了发展计划的并行计算和压缩限制单形躺在开集的覆盖的数据。我们扩展的方法,非循环载体的设置持久的同源性,给详细的界限之间的关系Vietoris-Rips过滤限制覆盖和完整的建设。我们展示了如何使用这些复杂的底空间研究数据,并使用我们的结果来指导数据的覆盖选择。我们证明了这些技术的各种封面,并显示这种建设的效用,在调查高阶的高维图像补丁模型的同源性。
2022-05-03 cs.CG math.AT
The Vietoris-Rips complexes of a circle
给定一个度量空间X和一个距离阈值r>0,Vietoris-Rips单纯复形有X的直径小于r的有限子集作为它的单纯形。Jean-Claude Hausmann的一个定理指出,如果X是一个黎曼流形且r足够小,则Vietoris-Rips复形同伦等价于原始流形。关于Vietoris-Rips复合物在较大r值下的行为知之甚少,即使这些复合物在使用持久同源性的应用中自然出现。我们证明了随着r的增加,圆的Vietoris-Rips复形得到圆的同伦类型,3-球面,5-球面,7-球面,...,直到最后它可以收缩。作为我们的主要工具,我们引入了一个有向图不变量,缠绕分数,这在某种意义上是对偶的循环色数。使用缠绕分数,我们分类的同伦类型的Vietoris-Rips复杂的任意(可能是无限的)子集的圆,我们研究的预期同伦类型的Vietoris-Rips复杂的均匀随机样本从圆。此外,我们还证明了随着距离参数的增加,圆的环境Cech复形也得到了圆的同伦类型,3-球面,5-球面,7-球面,.直到最后它可以收缩。
2017-02-05 cs.CG math.AT math.CO
Generating Cofaces in Vietoris--Rips Filtration Order
针对传统方法生成单形后再排序的问题,本文提出快速算法,通过生成同直径上界面及利用排序邻域列表生成额外上界面,直接按 Vietoris-Rips 滤过顺序生成单形序列和上边界,提升效率。
2024-12-04 cs.CG
MuRiT: Efficient Computation of Pathwise Persistence Barcodes in Multi-Filtered Flag Complexes via Vietoris-Rips Transformations
多参数持久同源性自然出现在持久拓扑对数据的应用中,所述数据具有取决于附加参数的额外信息,例如时间序列数据。我们引入了Vietoris-Rips变换的概念,这种方法将多过滤标志复形中的路径子复形的单参数持久同调的计算减少到某些半度量空间的Vietoris-Rips持久同调的计算。相应的路径持久性条形码跟踪环境多重过滤复合物的持久性特征,并且特别可用于恢复多参数持久性同源性中的秩不变量。我们提出了MuRiT,一种可扩展的算法,通过Vietoris-Rips变换计算多过滤标志复合物的路径持久性条形码。此外,我们提供了一个有效的软件实现的MuRiT算法诉诸Ripser的Vietoris-Rips持久性条形码的实际计算。为了证明MuRiT对真实世界数据集的适用性,我们将MuRiT建立为CoVtRec管道的一部分,用于监测当前COVID-19大流行中冠状病毒SARS-CoV-2的收敛进化。
2022-07-07 cs.CG math.AT math.GT
GPU-Accelerated Computation of Vietoris-Rips Persistence Barcodes
The Ohio State University(俄亥俄州立大学)
本文提出基于GPU的Vietoris-Rips持久条形码计算方法,利用并行算法和数学性质,实现高效计算,提升速度并降低内存使用。
2026-03-26 cs.CG
Vietoris-Rips Persistent Homology, Injective Metric Spaces, and The Filling Radius
本文提出一种基于空间嵌入与加厚的几何持久同调生成方法,证明在环境度量空间满足内射性时其与 Vietoris-Rips 持久同调范畴论同构,并应用于刻画条形码区间、度量粘合及流形填充半径。
2024-03-29 cs.CG math.AT
giotto-ph: A Python Library for High-Performance Computation of Persistent Homology of Vietoris-Rips Filtrations
我们介绍giotto-ph,一个高性能的开源软件包,用于计算Vietoris-Rips条形码。giotto-ph基于Morozov和Nigmetov对Ulrich Bauer的Ripser包的无锁(多核)实现。它还包含对GUDHI库的Boissonnat和Pritam的Edge Collapser实现的重新工作,可以用作预处理步骤,以显着减少某些场景中的整体运行时间。我们的贡献是双重的:一方面,我们将现有的最先进的思想连贯地集成到一个库中,并提供Python到C++代码的绑定。另一方面,我们通过采用更高效的数据结构来增加并行化机会并提高整体性能。我们的持久同源后端建立了一个新的最先进的状态,甚至超过了GPU加速的实现,如Ripser++,当使用少至5-10个CPU内核。此外,我们的边缘Collapser的实现具有更少的软件依赖性和改进的运行时间相对于GUDHI的原始实现。
2021-08-02 cs.CG cs.MS
A New Construction of the Vietoris-Rips Complex
本文利用$k$-骨架的组合结构提出归纳式Vietoris-Rips复形构造算法,减少单形识别中的比较,在稀疏Erdős-Rényi图和高维复形上较GUDHI v3.9.0实现5–10倍加速。
2024-06-18 cs.CG cs.DS math.AT
Efficient Decomposition of Forman-Ricci Curvature on Vietoris-Rips Complexes and Data Applications
Basque Center for Applied Mathematics(巴斯克应用数学中心);Universidade Federal de Pernambuco(伯南布哥联邦大学);Dutch Institute for Emergent Phenomenal(荷兰涌现现象研究所);School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University(上海交通大学电子信息与电气工程学院);Inria, Montpellier(法国国家信息与自动化研究所(蒙彼利埃));Max Planck Institute for Mathematics in the Sciences(马克斯·普朗克科学数学研究所);Center for Scalable Data Analytics and Artificial Intelligence, Leipzig University(莱比锡大学可扩展数据分析与人工智能中心);Santa Fe Institute(圣塔菲研究所)
该研究针对Vietoris-Rips复形,提出支持局部计算的Forman-Ricci曲率分解及高效局部计算算法,为其几何计算开辟新途径,凸显统计模式支撑几何的重要性。
2026-08-12 cs.CG cs.DM cs.DS
Lower Bounds for Approximating the Vietoris-Rips Filtration
Northeastern University(东北大学)
研究Vietoris - Rips过滤逼近问题,在同伦交织框架下,证明对固定$c\in[1,\sqrt{2})$,有限度量空间的$c$ - 逼近$\mathcal{VR}(-)$有指数大小;$c\geq1$时,有超线性大小,结果扩展到相关过滤。
2026-07-08 cs.CG math.AT math.CO
Delaunay-Rips filtration: a study and an algorithm
Université Claude Bernard Lyon 1(里昂第一大学);CNRS(法国国家科学研究中心);Sorbonne University(索邦大学)
本文提出了一种更高效的Delaunay-Rips过滤算法,通过理论分析和实验证明其在低维情况下比传统方法更快且内存占用更低。
2026-10-06 cs.CG
Vietoris--Rips Shadow for Euclidean Graph Reconstruction
Tulane University(杜兰大学);George Washington University(乔治华盛顿大学);Montana Technological University(蒙大拿理工大学)
本文研究在路径度量下,通过 Vietoris–Rips 复形的阴影投影从 Hausdorff 接近的采样点恢复欧几里得图的同伦型和几何嵌入,并给出参数选择定量界。
2026-05-26 cs.CG math.AT
Improved Approximate Rips Filtrations with Shifted Integer Lattices
Rip复形是分析度量空间拓扑特征的重要结构。不幸的是,生成这些复合物构成了一个昂贵的任务,因为在复杂的大小组合爆炸。对于$\mathbb{R}^d$中的$n$点,我们提出了一个方案来构造$L_\infty$ -Rips复体的多尺度过滤的$3\sqrt{2}$ -近似,该复体扩展到欧几里得情况下的Rips过滤的$O(d^{0.25})$ -近似。结果近似的$k$ -骨架的总大小为$n2^{O(d\log k)}$。该方案是基于整数格和重心细分的$d$ -立方体。
2017-06-22 cs.CG math.AT
SimBa: An Efficient Tool for Approximating Rips-filtration Persistence via Simplicial Batch-collapse
在拓扑数据分析中,从度量空间提取的点云数据P通常通过计算在由尺度参数索引的$P$上构建的RIP复合体序列的持久性图或条形码来分析。不幸的是,即使对于中等大小的输入,随着尺度参数的增加,Rips复合体的大小也可能变得过大。从Sheehy引入的稀疏裂缝过滤开始,一些现有的方法旨在减少复杂的大小,从而提高时间效率。然而,正如我们所证明的,现有的方法仍然达不到很好的扩展性,特别是对于高维数据。在本文中,我们调查现有方法的优点和局限性。基于从实验中获得的见解,我们提出了一个有效的新算法,称为SimBa,近似持久的同源性的RIP过滤质量保证。我们的新算法利用了一个批量折叠策略以及一个新的稀疏Rips过滤。我们实验各种低维和高维数据集。我们表明,我们的策略提出了一个显着的尺寸减小,我们的算法近似撕裂过滤持久性是数量级的速度比现有的方法在实践中。
2016-09-23 cs.CG math.AT
Monoidal Rips: Stable Multiparameter Filtrations of Directed Networks
University of Bergen(卑尔根大学)
该研究提出适用于加权有向图等格值网络的monoidal Rips滤过,推广了Vietoris-Rips滤过,建立了其持续同调的稳定性保证与多参数场景下的新结论,实验验证了方法在图回归和点云分类任务中的性能优势。
2025-10-28 cs.CG math.AT
Improved Approximate Rips Filtrations with Shifted Integer Lattices and Cubical Complexes
Rip复形是分析度量空间拓扑特征的重要结构。不幸的是,产生这些复合物是昂贵的,因为在复杂的大小组合爆炸。对于$\mathbb{R}^d$中的$n$点,我们给出了一个构造$L_\infty$ -范数下的Rips复形的过滤的$2$ -逼近的方案,它扩展到了欧几里德情形下的$2d^{0.25}$ -逼近.结果近似的$k$ -骨架的总大小为$n2^{O(d\log k +d)}$。该方案是基于整数格和单纯复形的基础上的重心细分的$d$ -立方体。我们扩展我们的结果,使用三次复形的单纯复形的地方,通过引入立体复形之间的映射。我们得到与单纯情形相同的近似保证,同时将近似的总大小减小到仅$n2^{O(d)}$(立方体)单元。我们在本文中使用了两种新技术。第一个是使用非循环载波来证明我们的近似结果。在我们的应用程序中,这些映射以相对简单的方式将Rip复形和近似联系起来,并大大降低了显示近似保证的复杂性。第二种技术是我们所说的尺度平衡,这是一种在某些条件下提高近似比的简单技巧。
2021-05-11 cs.CG math.AT
Graph Induced Complex on Point Data
从点数据中提取拓扑信息的效率在很大程度上取决于建立在数据点之上的复合体。从计算的角度来看,最受欢迎的复合物是Vietoris-Rip和见证复合物。虽然Vietoris-Rips复形计算简单,并且是提取采样空间拓扑的良好工具,但它的大小很大-特别是在高维中。另一方面,见证复合体由于二次采样而具有较小的尺寸,但除非施加额外的结构,否则无法捕获高维的拓扑。我们研究一个复杂的称为{ \em图诱导复杂},在某种程度上,享有两者的优点。它可以在子样本上工作,但仍然保留了捕获拓扑结构作为Vietoris-Rips复合体的能力。它只需要一个连接原始样本点的图,从该图中可以在子样本上构建一个复合体,从而大大降低了大小。证明了利用图诱导复形可以(i)从一个非常稀疏的子样本中推断出流形的一维同调,(ii)从一个稀疏的子样本中重建一个三维曲面而不需要计算德洛内三角剖分,(iii)从一个足够稠密的样本中推断出紧致集的持久同调群.我们提供了实验证据来支持我们的理论。
2013-04-02 cs.CG math.AT
Sparips
Rips过滤的持久同源性允许在不同尺度上跟踪点云的拓扑特征,并且是拓扑数据分析的基础工具。不幸的是,当被视为滤波单纯复形时,Rips滤波是指数大小的。因此,除了最小的数据集之外,完全持久化模块的计算是不可能的;当截断拓扑特征的维度时,情况变得稍微不那么棘手,但对于中型数据集仍然令人生畏。理论上可以通过更小和更稀疏的线性大小的单纯复形来近似Rips滤波,然而,可能由于现有方法的复杂性,我们不知道任何现有的实现。我们提出了一个不同的稀疏化方案,覆盖树的基础上,这是很容易实现的,同时提供类似的保证计算缩放。我们进一步提出了一个可视化,是适应近似持久性图,通过纳入一个变量的误差条和跟踪所有的近似保证,明确。
2018-07-26 cs.CG
Sparse Approximation of the Subdivision-Rips Bifiltration for Doubling Metrics
针对细分-Rips双滤化0-骨架指数级过大的问题,本文为常数倍增维度的有限度量空间构造了大小为$O(|X|^{k+2})$、计算时间为$O(|X|^{k+3})$的$(1+ε)$-同伦交错稀疏近似。
2024-08-29 cs.CG math.AT
Polynomial-Sized Topological Approximations Using The Permutahedron
经典的方法来建模点云的拓扑特性,如Vietoris-Rips复杂,遭受复杂的大小组合爆炸。我们提出了一种新的技术,以近似的多尺度过滤的RIP复杂的改进边界的大小:准确地说,$\mathbb{R}^d$中的$n$点,我们得到一个$O(d)$近似与最多$n2^{O(d \log k)}$的尺寸$k$或更低的简单。结合降维技术,我们的方法产生一个$O(\mathrm{polylog} (n))$ -近似的大小$n^{O(1)}$的RIP过滤任意度量空间。这一结果源于高维晶格几何和利用性质的permutahedral晶格,一个良好的研究结构在离散几何。建立在相同的几何概念,我们也提出了一个下界结果的大小近似过滤:我们构建了一个点集,每个$(1+ε)$ -近似的Čech过滤包含$n^{Ω(\log\log n)}$功能,只要$ε<\frac{1}{\log^{1+c} n}$为$c\in(0,1)$。
2016-04-01 cs.CG math.AT
Persistence stability for geometric complexes
本文研究了建立在预紧空间上的不同几何滤子复形(如Vietoris-Rips、Cech和witness复形)的同调性质。利用最近的发展,在拓扑持久性理论,我们提供了简单和自然的证明,这种复合物的持续同源性的稳定性相对于Gromov-Hausdorff距离。我们还展示了一些值得注意的性质的同源性的RIP和切赫复杂的紧空间的顶部。
2013-11-15 cs.CG math.AT
Approximating persistent homology for a cloud of $n$ points in a subquadratic time
$n$ -点度量空间的Vietoris-Rips滤子是一个大单纯复形序列,它在不连通的空间上增加了一个拓扑结构。持续同源性是拓扑数据分析的重要工具,它研究在多尺度上持续存在的数据的拓扑特征。计算滤子的持久同调的最快算法有时间$O(M(u)+u^2\log^2 u)$,其中$u$是更新(单形的添加或删除)的数量,$M(u)=O(u^{2.376})$是$u\times u$矩阵相乘的时间。对于由两两距离给出的$n$点的空间,我们用一个由$u=o(n)$更新组成的锯齿形过滤来逼近Vietoris-Rips过滤,该过滤在$n$中是次线性的.常数取决于给定的近似误差和度量空间的双倍维数。然后,该次线性尺寸过滤的持久同调可以在时间$o(n^2)$中计算,其在$n$中是次二次的。
2017-09-16 cs.CG cs.CV math.AT
Approximate Cech Complexes in Low and High Dimensions
切赫复形揭示了关于任意维度上一定尺度的点集的有价值的拓扑信息,但这些复形的庞大规模限制了它们的实际影响。虽然最近的工作介绍了过滤(Vietoris-)Rips复合物,一个粗糙的版本的Čech复合物的近似技术,我们提出的近似直接的Čech过滤。对于固定维点集$S$,我们给出了$S$的Čech滤子的一个近似,它是由一列大小与点数成线性关系的复形构成的.我们将良好分离对分解(WSPD)推广到良好分离单纯分解(WSSD),其中定义在$S$上的每个单纯形都被WSSD的某个元素覆盖。我们给出了一个有效的算法来计算一个线性大小的WSSD在固定的维空间。利用WSSD,我们提出了一个线性尺寸的近似过滤的$S$的Čech复合物。我们还提出了一个推广的已知事实,即里普斯复杂的近似的Čech复杂的一个因素的$\sqrt{2}$。我们定义了一类复合物,插值之间的Čech和RIP复合物,并给予任何参数$\eps > 0$,近似的Čech复合物的一个因素$(1+\eps)$。我们的复形可以用大致的$O(n^{\lceil 1/2\eps\rceil})$单纯形来表示,而对点集的环境维数没有任何隐藏的依赖性。我们的结果是基于一个有趣的联系之间的Čech复杂和coresets的最小封闭球的高维点集。作为我们的分析的结果,我们改进的边界coresets近似的最小封闭球的半径。
2013-07-11 cs.CG math.AT
Topological Data Analysis with Bregman Divergences
给定度量空间中的有限集,拓扑分析使用1-参数族的同调群来量化所有维度中的连通性,从而将层次聚类推广。连接性由持久性图来描述。当前框架的一个局限性是依赖于度量距离,而在许多实际应用中,对象是通过非度量相异性度量进行比较的。例如Kullback-Leibler分歧,通常用于比较文本和图像,以及Itakura-Saito分歧,流行于语音和声音。这是布雷格曼分歧的两个成员。我们表明,拓扑数据分析的框架可以扩展到一般的Bregman分歧,拓宽了可能的应用范围。特别是,我们证明了适当的广义切赫和Delaunay(α)复合捕捉正确的同伦类型,即相应的联盟的Bregman球。因此,他们的过滤给出了正确的持久性图,即由均匀增长的Bregman球产生的持久性图。此外,我们表明,与度量设置,过滤的Vietoris-Rips复杂的可能无法近似持久性图。我们提出了算法来计算因此广义的切赫,Vietoris-Rips和Delaunay复合物和实验测试其效率。最后,我们解释了他们令人惊讶的良好表现,使离散莫尔斯理论的连接。
2016-07-21 cs.CG math.AT
Topological Data Analysis with $ε$-net Induced Lazy Witness Complex
拓扑数据分析通过构造和研究底层拓扑结构的简单表示来计算和分析点云的拓扑特征。拓扑数据分析最初取得成功之后的热情被构造这种单纯表示的计算成本所抑制。惰性见证复合体是点云的底层拓扑结构的计算上可行的近似。它是内置的参考点的一个子集,称为地标,而不是考虑所有的点,因为在捷克和Vietoris-Rips复合体。界标的选择和数量决定了近似的有效性和效率。我们采用$ε$ -覆盖的概念来定义$ε$ -网。我们证明了$ε$ -网作为地标的选择是点云的$ε$ -近似表示,而诱导的惰性见证复形是诱导的Vietoris-Rips复形的$3$ -近似.此外,我们提出了三个算法来构建$ε$ -net地标。我们建立了这些算法与现有的地标选择算法的关系。我们从经验上验证了我们的理论主张。我们的经验和比较评估的有效性,效率和稳定性的合成和真实的数据集上提出的算法。
2019-06-19 cs.CG math.AT math.ST
RedZeD: Computing persistent homology by Reduction to Zero Differentials
提出一种基于归约到零微分(RedZeD)框架的新算法,通过主动枚举技术加速Vietoris–Rips过滤的持续同调计算。
2026-09-14 cs.CG cs.MS math.AT
Stability of 0-dimensional persistent homology in enriched and sparsified point clouds
University of Latvia(拉脱维亚大学);University of Aberdeen(阿伯丁大学)
本文提出了一种在增强和稀疏点云中分析超体积的拓扑方法,通过持久图的精确界限和立方体复杂度的对偶恒等式,提供拓扑保证的分析工具。
2025-12-03 cs.CG math.AT
Critical Points to Determine Persistence Homology
Sri Lanka Institute of Information Technology(斯里兰卡信息技术学院);University of Colombo(科伦坡大学)
大型点云的单纯形复形的计算通常依赖于提取样本,以减少相关的计算负担。该研究考虑采样与点云相关联的Morse函数的临界点,以近似Vietoris-Rips复合体或见证复合体并计算持久性同源性。新方法的有效性进行了比较,与最远点采样,在人类的人脸图像分类到种族群体使用持久性同源的背景下。
2018-05-16 cs.AI cs.CG cs.CV
Stratified Formal Deformations and Intersection Homology of Data Point Clouds
交同调是一个拓扑不变量,它比普通同调能探测空间中更精细的信息。利用经典的简单同伦理论的思想,我们构造了单纯复形上的局部组合变换,使得交同调保持不变。特别是,我们得到的概念分层的形式变形和分层的脊椎的复杂,导致减少复杂的交叉同源性计算之前。我们实现了这种变换的算法执行,以及交叉同源性的计算,并应用这些算法来调查的交叉同源性的分层脊椎Vietoris-Rips型复合物与点集附近采样给定的,可能是奇异的,空间。
2020-05-25 cs.CG math.AT
Persistent Homology in $\ell_{\infty}$ Metric
邻近复形和过滤是拓扑数据分析中的核心构造。使用距离函数或更一般的度量构建,它们通常用于从点云推断连接信息。在这里,我们研究的邻近复合物和过滤建立在切比雪夫度量,也被称为最大度量或$\ell_{\infty}$度量,而不是经典的欧几里德度量。有些令人惊讶的是,$\ell_{\infty}$案件没有得到彻底调查。在本文中,我们研究了一些经典的复合物在这个度量下,包括捷克,Vietoris-Rips,和阿尔法复合物。我们定义了两个新的家庭旗复合体,我们称之为阿尔法旗和Minibox复合体,并证明了他们的等价性,以捷克复同调度零和一。此外,我们提供了算法,找到Minibox边缘的两个,三个,和更高的维度点。最后,我们给出了随机点上的计算实验,实验结果表明Minibox过滤可以通过减少过滤中的单形数来加快同调度为0和1的持久同调计算.
2021-06-04 cs.CG math.AT
Persistence Meets Resistance: Doubling Down on Hardness
University of Bonn(波恩大学)
本文在持续同调领域,针对特定度量空间滤过的稳定不变量近似计算,提出线性时间算法与常数时间概率近似方法,还证明矩阵秩计算可归约为相关条码近似问题。
2026-08-28 cs.CC cs.CG math.AT
The density of expected persistence diagrams and its kernel based estimation
持久性图在拓扑数据分析中起着基础性的作用,它们被用作建立在数据之上的过滤的拓扑描述符。它们存在于平面$\mathbb{R}^2$中的离散多点集中,这些点集可以等效地看作是$\mathbb{R}^2$中的离散测度。当数据为随机点云时,这些离散测度就成为随机测度,本文研究了随机测度的期望。首先,我们表明,对于广泛的一类过滤,包括Čech和Rips-Vietoris过滤,预期的持久性图,这是一个确定性的措施$\mathbb{R}^2$,有一个密度相对于勒贝格措施。其次,在前面的结果的基础上,我们表明,最近在[Adams & al.,持久性图像:持久同源性的稳定向量表示]可以被视为该密度的核估计。我们提出了一个交叉验证方案,选择一个最佳的带宽,这被证明是一个一致的过程来估计密度。
2019-03-22 cs.CG
Dimensionality Reduction for $k$-Distance Applied to Persistent Homology
给定一个n点的集合P和一个常数k,我们有兴趣计算P的Cech滤子对于k-距离的持久同调,并研究降维对这个问题的有效性,回答Sheehy的一个公开问题[Proc. SoCG,2014]。我们证明了任何线性变换,保持成对距离(1 +/- e)乘法因子,必须保持持久的同源性的Cech过滤(1-e)^(-1)的一个因素。我们的结果还表明,Vietoris-Rips和Delaunay过滤的k-距离,以及Cech过滤的近似k-距离的Buchet等人。Geom.,2016]被保存到(1 +/- e)因子。我们还证明了我们的主要定理的扩展,为点集(i)躺在一个区域的有界高斯宽度或(ii)在一个低维子流形,获得嵌入的Lotz [Proc。索科,2019]和Clarkson [Proc. SoCG,2008]。我们的结果也适用于终端降维设置,其中原始环境空间中的任何点到P中的任何点的距离需要近似保持。
2021-10-12 cs.CG cs.NA math.AT