Nonparametric Estimation of Probability Density Functions of Random Persistence Diagrams
我们引入了一种非参数方法来估计随机持久图的全局密度函数。精确地说,构造了一个以给定的持续图和带宽为中心的核密度函数。我们的方法封装的拓扑特征的数量,并认为在一个稳定的方式在对角线附近的功能的出现或消失。特别是,我们的内核结构单独跟踪长持久性特征,同时将对角线附近的特征视为一个集体单元。选择将短持久性特征描述为一组减少了计算时间,同时保持了准确性。事实上,我们证明了相关的核密度估计收敛到真实的分布作为持久性图的数量增加,相应地缩小带宽。我们还建立了收敛的平均绝对偏差估计,根据瓶颈度量定义。最后,核密度估计的例子是典型的底层数据集。
2018-03-13 math.ST stat.TH
Modelling Persistence Diagrams with Planar Point Processes, and Revealing Topology with Bagplots
我们引入了一个新的平点点过程模型,其目的是捕捉持久图中点交互和传播的结构。持久性图本身是拓扑数据分析的一个重要工具,对于描述和估计大型数据集的全局拓扑结构至关重要。在很大程度上,持久性图的统计分析一直受到提供复制的困难的阻碍,这个问题在早期的一篇论文中已经解决,该论文引入了一个称为复制统计拓扑的过程。在这里,我们通过为持久性图引入一个更现实的模型类来显著地提高了XML的能力。此外,我们介绍TDA的想法,袋图,一个强大的技术,从非参数统计,以及适用于区分拓扑显着点,和噪音,持久性图。在TDA的设置之外,我们的模型提供了一个用于在任何维度上形成点过程的设置,其中点之间的局部相互作用以及对一般点云的全局约束都是重要的,并且可能是竞争性的。
2018-08-16 math.ST stat.TH
Medians of populations of persistence diagrams
持久性图是拓扑数据分析领域的常见对象。它们是拓扑摘要,用于捕获数据中的拓扑和几何结构。最近,人们对开发统计分析持久性图群体的工具产生了浓厚的兴趣,这一过程受到持久性图空间复杂几何形状的阻碍。在本文中,我们研究了一组图的中位数,定义为一个适当的费用函数类似于用于实数样本的距离之和的最小值。然后,我们的特点,这个费用函数的局部极小值,并在这样做的特点的中位数。并对中位数和均值的性质进行了比较分析。
2019-02-06 cs.CG math.AT math.MG
Curse of Dimensionality on Persistence Diagrams
Kyoto University(京都大学);Institute for the Advanced Study of Human Biology, Kyoto University(京都大学人类生物学高级研究所);Kyoto University Institute for Advanced Study, Kyoto University(京都大学高等研究院)
本文研究了高维小样本数据下持续同调图的可靠性问题,发现高维噪声会导致其失效(即维度灾难),并证明归一化主成分分析能有效缓解该问题。
2024-04-28 math.AT math.PR math.ST
On the Universality of Random Persistence Diagrams
在拓扑数据分析领域中,最难以理解的挑战之一是理解持久性图的分布。尽管作出了很大努力,但这在很大程度上仍然是一个悬而未决的问题。在本文中,我们提出了一系列新的持久性图的行为所产生的随机点云。我们声称,这些图服从一个普遍的概率定律,并包括一个明确的表达作为候选人,这个法律是什么。我们用一组详尽的实验来支持这些假设,包括模拟和真实数据。我们证明了这些approachtures的力量,提出了一个新的假设检验框架内的持久性图的个别功能。
2022-07-08 math.AT math.PR math.ST
Bayesian estimation of topological features of persistence diagrams
持久同调是拓扑数据分析中的一种常用技术,它提供关于样本空间的几何和拓扑信息。所有这些信息,被称为拓扑特征,在持久性图中进行了总结,主要的兴趣是识别最持久的,因为它们对应于贝蒂数值。鉴于采样过程中固有的随机性,以及持久性图取值的空间的复杂结构,Betti数的估计并不简单。在这项工作中遵循的方法利用特征的生命周期,并提供了一个完整的贝叶斯聚类模型,基于随机分区,以估计贝蒂数。还提出了一个模拟研究。
2022-04-03 math.ST stat.ME stat.TH
Persistence Diagram Estimation : Beyond Plug-in Approaches
针对持续图插件估计量受限于上确界范数收敛的问题,提出基于图像持续性的新估计量,在高斯白噪声模型下对分段常数信号证明其一致性与参数速率。
2024-08-27 math.AT math.ST stat.TH
Persistence Diagram Estimation of Multivariate Piecewise Hölder-continuous Signals
本文在非参数回归背景下,从极小化极大视角研究含噪多元分段 Hölder 连续信号的持续图估计,证明在控制不连续点集 reach 的条件下,简单直方图估计量即可达到已知 Hölder 连续函数的极小化极快速率。
2025-06-02 math.AT math.ST stat.TH
The accumulated persistence function, a new useful functional summary statistic for topological data analysis, with a view to brain artery trees and spatial point process applications
我们首先简单介绍拓扑数据分析,其中最流行的工具称为持久图。简单地说,持久图是描述当尺度参数变化时紧集的拓扑特征的持久性的平面中的点的多集。由于统计方法很难直接应用于持久性图,因此提出了各种替代的功能摘要统计,但它们要么不包含持久性图的全部信息,要么是二维函数。我们建议一个新的功能汇总统计,是一维的,因此更容易处理,并在温和的条件下包含的持久性图的全部信息。它的有用性说明在统计设置与点云和脑动脉树。附录包括其他方法和示例,以及技术细节。用于所有示例的R代码可在http://people.math.aau.dk/~christophe/Rcode.zip上获得。
2017-06-27 math.ST stat.TH
Stochastic Convergence of Persistence Landscapes and Silhouettes
持久同源性是拓扑数据分析中广泛使用的工具,它将多尺度拓扑信息编码为平面上的多点集,称为持久性图。将统计理论直接应用于图表的随机样本是困难的。相反,我们可以用Bubenik引入的持久性景观来总结持久性同源性,它将图转换为行为良好的实值函数。我们研究了景观的统计性质,如平均景观的弱收敛性和自助法的收敛性。此外,我们介绍了一个替代功能的持续同源性,我们称之为剪影总结,并得出一个类似的统计理论。
2013-12-02 cs.CG math.AT math.ST
Fréchet Means for Distributions of Persistence diagrams
给定一个分布$ρ$持久图和观察$X_1,...X_n \stackrel{iid}{\sim} ρ$,我们介绍了一种算法,本文估计一个Fréchet平均从一组图$X_1,...X_n$。如果潜在的措施$ρ$是狄拉克质量的组合$ρ= \frac{1}{m} \sum_{i=1}^m δ_{Z_i}$,然后我们证明了算法收敛到一个局部极小值和大数定律的结果由算法计算的Fréchet平均值给出的意见从$ρ$ iid。我们说明了收敛的经验平均值计算的算法,从高斯随机场的模拟人口的平均值。
2013-03-20 math.GN math.MG math.ST
Central Limit Theorems for Functionals of Persistence Diagrams in Germ-Grain Random Set Models with Applications to Goodness-of-Fit Testing
Faculty of Science, University of Split(斯普利特大学理学院)
研究Germ-Grain随机集模型中持久图泛函的中心极限定理,基于标记点过程稳定化方法,证明特定条件下其渐近正态性,用于拟合优度检验区分模型,还应用于乳腺组织学图像。
2026-07-13 math.PR math.ST stat.ME
Two-sample tests for relevant differences in persistence diagrams
本文提出两种基于 Wasserstein 度量的持续图两样本检验,通过比较 Fréchet 方差和独立副本方差检测相关差异,并证明其相合性。
2024-01-18 math.PR math.ST stat.TH
Estimation and Quantization of Expected Persistence Diagrams
持久性图(PD)是最常见的描述符,用于编码具有挑战性的学习任务中出现的结构化数据的拓扑结构;例如,考虑图形,时间序列或点云采样接近流形。给定随机对象和PD的相应分布,人们可能想要构建这些随机PD的统计摘要(例如平均值),然而这不是一个微不足道的任务,因为PD空间的自然几何形状不是线性的。在这篇文章中,我们研究了两个这样的总结,预期持久性图(EPD),及其量化。EPD是R2支持的一个度量,它可以通过它的经验对应物来近似.我们证明了这个估计是最佳的,从极大极小的角度来看,一大类模型的参数收敛速率。经验EPD是简单和有效的计算,但可能有一个非常大的支持,阻碍其在实践中的使用。为了克服这个问题,我们提出了一种算法来计算量化的经验EPD,一个小的支持,这是接近最佳速率的理论EPD的量化近似的措施。
2021-05-11 math.ST stat.ML stat.TH
A Two-Sample Test on Weighted Persistence Intensity Functions in Topological Data Analysis
Institute of Basic Sciences, Seoul National University(首尔大学基础科学研究院);Department of Mathematical Sciences, Korea Advanced Institute of Science and Technology(韩国科学技术院数学科学系);Department of Statistics, Seoul National University(首尔大学统计系)
研究拓扑数据分析中持久强度函数的双样本检验,提出基于核的置换检验,通过引入假设控制持久图基数影响,给出方差界,证明概率模型广泛性,建立极小极大最优性,模拟和实际应用验证了方法有效性和高功效。
2026-10-07 math.ST stat.TH
Weighted persistence intensity regression
Università della Svizzera italiana(瑞士意大利大学);University of Milano-Bicocca(米兰比可卡大学)
本文提出非参数加权持续强度回归方法,建立其理论与估计性质,经模拟验证后用于分析脑动脉树径向几何随年龄的变化。
2026-09-02 math.AT math.ST stat.TH