Optimal Morse functions and $H(\mathcal{M}^2,\mathbb{A})$ in $\tilde{O}(N)$ time
在这项工作中,我们设计了一个近似线性时间离散Morse理论为基础的算法计算2-流形的同调群,从而建立一个事实,即计算2-流形的同调群是非常容易的。与以前的算法类似的味道,我们的方法与任意阿贝尔群的系数。我们的方法的另一个优点在于,我们的算法实际上阐明了拓扑原因,使计算2-流形上容易。这是可能的,由于一个新的简单的同伦为基础的建设,被称为\emph{expansion frames}。利用扩张标架得到了最优离散梯度向量场.其次是基于离散Morse边界算子的伪线性时间动态规划计算。最优梯度向量场的有效设计和边界算子的快速计算使我们在同调群的计算中接近线性。此外,我们定义了一个新的标准,称为伪最优性接近最优的Morse函数。一个Morse函数是伪最优的,如果我们可以从它得到一个最优的Morse函数,简单地通过临界单元取消。使用扩展框架,我们建立了一个令人惊讶的事实,即2-流形上的任意离散Morse函数是伪最优的。
2015-05-09 cs.CG
Discrete Morse Theory for Computing Zigzag Persistence
我们引入了一个理论和计算框架,使用离散Morse理论作为一个有效的预处理,以计算曲折持久同源。从复形$(K_i)$的Z字形滤子出发,引入了Z字形Morse滤子,其复形$(A_i)$是原复形$(K_i)$的Morse约化,并证明了它们具有相同的持久同调.这种锯齿形莫尔斯过滤概括了Mischaikow和Nanda的过滤莫尔斯复合体,定义为标准持久性。锯齿形莫尔斯过滤中的映射是向前和向后包含,这是锯齿形持续性中的标准映射,也是一种新型映射,它会导致莫尔斯复形边界算子的非平凡变化。我们详细研究了这最后一个映射,并设计了算法来计算更新时,在复杂的水平和在同源矩阵的水平计算锯齿持久性。我们推导出一个算法来计算锯齿形持久性的过滤,主要取决于复杂的关键细胞的数量,并通过实验表明,它在实践中表现得更好。
2019-07-11 cs.CG math.AT
Analyzing Multifiltering Functions Using Multiparameter Discrete Morse Theory
本文通过多参数离散Morse理论分析多过滤函数,证明其可被兼容函数近似,并定义了帕累托集与临界单纯形的关系。
2025-01-09 cs.CG math.GT
Random Discrete Morse Theory and a New Library of Triangulations
1)我们引入随机离散Morse理论作为一个计算方案来衡量三角剖分的复杂性。这个想法是试图量化的频率离散莫尔斯匹配与一定数量的关键细胞。我们的度量将取决于空间的拓扑,但也取决于空间的三角剖分。(2)我们提出的计划寻找最佳的离散莫尔斯函数与一个基本的随机启发式。尽管这种方法很幼稚,但事实证明,即使在投入巨大的情况下,这种方法也非常成功。(3)在我们看来,现有的图书馆的例子在计算拓扑是'太容易'的测试算法的基础上离散莫尔斯理论。我们提出了一个包含更复杂(因此更有意义)的测试示例的新库。
2013-11-27 cs.CG math.AT math.CO
Combinatorial Regularity for Relatively Perfect Discrete Morse Gradient Vector Fields of ReLU Neural Networks
本文提出一种构造性方法,将ReLU神经网络的逐段线性Morse函数转换为兼容的相对完美离散Morse函数,并给出判定临界点及构造离散Morse配对的算法,同时提供浅层网络子水平集拓扑的可实现性结果。
2025-01-22 cs.CG cs.LG math.AT
Topology-Aware Segmentation Using Discrete Morse Theory
Stony Brook University(石溪大学);University of California, San Diego(加利福尼亚大学圣迭戈分校);Oregon State University(俄勒冈州立大学)
在从自然和生物医学图像中分割精细尺度结构时,每像素精度不是唯一关注的度量。拓扑正确性,如血管连接和膜闭合,对于下游分析任务至关重要。在本文中,我们提出了一种新的方法来训练深度图像分割网络,以获得更好的拓扑精度。特别是,利用离散莫尔斯理论(DMT)的力量,我们确定全球结构,包括一维骨架和二维补丁,这是重要的拓扑精度。通过基于这些全局结构的新损失训练,网络性能得到了显着改善,特别是在拓扑上具有挑战性的位置(例如连接和膜的薄弱点)附近。在不同的数据集上,我们的方法在DICE得分和拓扑度量上都取得了优异的性能。
2021-03-18 cs.CG cs.CV
Topological Skeletonization and Tree-Summarization of Neurons Using Discrete Morse Theory
神经科学数据分析通常涉及统计信号和图像处理的方法,这些方法借鉴了线性代数和随机过程理论。然而,数字化的神经解剖数据集包含标记的神经元,无论是单独或标记示踪剂注射组,不完全适合这个经典的框架。神经元的树状形状在数学上不能被充分地描述为向量空间中的点。因此,需要采取新的办法。计算拓扑学和几何学的方法自然适用于神经元形状的分析。在这里,我们介绍的方法,从离散莫尔斯理论提取树骨架的个体神经元的体积脑图像数据,或总结集合标记的神经元本地顺行示踪剂注射。由于单个神经元是拓扑树,因此使用一致树形来总结由局部顺行示踪剂注射标记的神经元的集合是明智的。算法过程包括初始预处理步骤,以从原始体积图像数据中提取密度场,随后是使用密度场的1-(不)稳定流形的离散版本从密度场中提取初始骨架。启发式地,如果密度场被认为是一个山区景观,那么1-(不)稳定的流形如下的“山脊”连接的密度场的最大值。然后,我们简化这一图成一棵树,使用最短路径的方法和方法来自持久同源性。这种方法的优点是,它使用的密度场的全球信息,因此是强大的局部波动和非均匀分布的输入信号。为了能够处理大型数据集,我们使用分而治之的方法。生成的软件DiMorSC在Github上可用。
2018-05-14 cs.CG
Extremal examples of collapsible complexes and random discrete Morse theory
我们提出了极值结构与单纯可扩展性的属性。(1)对于每一个$d \ge 2$,有可折叠的(和可壳的)单纯$d$ -复合体,只有一个自由面。此外,还有只有两个自由面的非回避$d$ -复合物。(Both结果在所有方面都是最佳的。)(2)最佳离散Morse向量不需要是唯一的。我们明确地构造了一个可收缩的,但不可折叠的$3$维单纯复形的面向量$f=(106,596,1064,573)$,承认两个不同的最佳离散莫尔斯向量,$(1,1,1,0)$和$(1,0,1,1)$。事实上,我们表明,在每一个维度$d\geq 3$有收缩,非折叠单纯$d$ -复合物,有$(1,0,\dots,0,1,1,0)$和$(1,0,\dots,0,0,1,1)$作为不同的最佳离散莫尔斯矢量。(3)我们给出了一个(非PL)$5$ -流形的第一个显式例子,面向量为$f=(5013,72300,290944,$ $495912,383136,110880)$,这是可塌缩的,但不是同胚的球。此外,我们讨论了随机方法的可扩展性和离散莫尔斯理论可能的改进和缺点。我们将分别介绍\cite{BenedettiLutz2014}的\texttt{lex-first}和\texttt{lex-last}离散莫尔斯策略的随机化版本\texttt{random-lex-first}和\texttt{random-lex-last}-我们将看…
2016-10-11 cs.CG math.AT math.CO
The Morse theory of Čech and Delaunay complexes
给定$\mathbb R^n$中的有限点集和半径参数,我们根据广义离散Morse理论研究了Čech,Delaunay-Čech,Delaunay(或Alpha)和Wrap复形.建立的Čech和Delaunay复合物作为子级集的广义离散Morse函数,我们证明了这四个复合物是简单同伦等价的一个序列的单纯崩溃,这是明确地描述了一个单一的离散梯度场。
2016-04-30 cs.CG math.AT math.GT
Parameterized Complexity of Discrete Morse Theory
最优Morse匹配揭示了细胞复合体的基本结构,从而为研究离散几何对象,特别是离散三维流形提供了有力的工具。然而,这样的匹配是已知的NP-难计算3-流形,通过减少到可擦除性问题。在这里,我们完善的研究离散莫尔斯理论的参数化的复杂性相关的问题的复杂性。一方面证明了可擦性问题在自然参数上是W[P]-完全的。另一方面,我们提出了一个算法,用于计算最佳Morse匹配的三角剖分的3-流形,这是固定的参数易于处理的树宽度的二分图表示的邻接的1-和2-单纯形。该算法还显示了固定参数的易处理性问题,如可擦除性和最大交替无环匹配。进一步证明了当三角剖分3-流形的对偶图的树宽有界时,这些结果也成立。最后,我们研究了三维流形的单纯三角剖分和广义三角剖分的树宽。
2013-03-28 cs.CC cs.CG math.GT
Greedy Morse matchings and discrete smoothness
离散的莫尔斯理论成为计算几何和拓扑学的重要工具。它的核心结构是离散梯度场,定义为复$C$上的非循环匹配,由此可以有效地计算$C$的拓扑和几何信息,特别是它的同调或Morse-Smale分解.给定在$C$上采样的函数$f$,可以导出模拟$f$的动态的离散梯度。许多这样的构造是基于给定适当权重的相邻单元的贪婪配对的某种变体。然而,证明$f$的动力学被该过程正确地捕获通常是复杂的。这项工作引入了离散光滑的概念对$(f,C)$,作为一个最小的采样条件,以确保离散梯度是几何上忠实于$f$。更确切地说,从一个函数$f$上的多面体复杂$C$的任何尺寸的离散梯度建设进行了研究,导致理论保证之前的离散光滑性假设。这些结果,然后扩展和完成光滑的情况下。作为应用,给出了CAT(0)立方复形可塌缩的一个纯组合证明。
2018-01-30 cs.CG cs.DM math.CO
Wrapping Cycles in Delaunay Complexes: Bridging Persistent Homology and Discrete Morse Theory
该研究在形状重建语境下探究持续同调与离散莫尔斯理论的关联,证明Delaunay复形中任意环的字典序最优同调环支撑于同参数Wrap复形,通过环约简与梯度流的基础关联推导结论,打通两类方法的联系。
2024-03-21 cs.CG math.AT math.GT
Discrete Microlocal Morse Theory
Institute of Science and Technology Austria(奥地利科学与技术研究院)
该研究结合离散莫尔斯理论与微局部层理论,在有限偏序集与单纯复形框架下给出层复形极小内射分解的算法与复杂度界,提出离散微支新定义并推广离散同调莫尔斯理论。
2025-06-10 cs.CG math.AT math.GN
Topological reconstruction of sampled surfaces via Morse theory
Institut de Robòtica i Informàtica Industrial, CSIC-UPC(机器人与信息自动化研究所(CSIC-UPC));Universitat Politècnica de Catalunya(加泰罗尼亚理工大学);Centre de Recerca Matemàtica(数学研究中心)
针对点云采样曲面的拓扑识别问题,提出一种基于 Morse 函数的胞腔分解重建算法,无需三角剖分或先验知识即可生成 Morse 胞腔并集与小秩胞腔复形,有效避免重建伪影并支持网格无关的重新参数化与去噪。
2024-10-16 cs.CG cs.CV math.AT
Updating a Discrete Morse Vector Field for a Lower Star Filtration Vineyard
Michigan State University(密歇根州立大学)
本文提出 colex 向量场以计算下星过滤的持续同调,支持顶点函数修改时的快速更新,并验证其运行时间与标准矩阵化简相当。
2026-09-29 cs.CG math.AT
The Morse Transform for Discrete Shape Analysis
Mathematical Institute, University of Oxford(牛津大学数学研究所);Oxford Drug Design Ltd(牛津药物设计有限公司);Oxford Centre for Innovation(牛津创新中心);Inorganic Chemistry Laboratory, University of Oxford(牛津大学无机化学实验室)
提出一种基于定向分段线性Morse理论的拓扑变换,通过记录多个高度函数下的临界点来量化嵌入对象的几何形状,生成的特征向量在配体虚拟筛选中取得最优平均AUROC。
2026-06-19 cs.CG cs.LG q-bio.QM
Persistent Homology of Morse Decompositions in Combinatorial Dynamics
本文研究了单纯复形上的组合动力系统,它被认为是{ \em有限拓扑空间}。这样的系统以自然的方式从采样动态中产生,并且可以用于直接从样本重建动态的一些特征。我们研究的同调持久性{ \em莫尔斯分解}这样的系统,一个重要的描述符的动力学,作为一种工具,用于验证重建。我们的框架可以被看作是一个步骤,将经典的持久性理论扩展到“向量云”数据。我们提出了两个数值例子的实验结果。
2018-07-11 cs.CG math.AT math.DS
Discrete Line Fields on Surfaces
向量场和线场是动力系统理论中常见的对象,它们在切线上没有方向。在他们的研究中使用的技术中,Morse-Smale分解的(通用)字段起着根本性的作用,相空间的几何结构与由临界点和分界线组成的组合对象有关。这些概念导致福尔曼一个令人满意的理论离散向量场,在密切类似的连续情况下。在本文中,我们引入离散线场。同样,我们的定义是丰富的,足以提供对应的基本结果在理论的连续线场:一个欧拉-庞加莱公式,Morse-Smale分解和拓扑一致的取消的关键元素,它允许拓扑简化的原始离散线场。
2020-02-18 cs.CG cs.DM
Discrete Morse Sandwich: Fast Computation of Persistence Diagrams for Scalar Data -- An Algorithm and A Benchmark
CNRS(法国国家科学研究中心);Sorbonne Université(索邦大学)
本文给出了一个有效的持久图计算算法,给定一个定义在$d$维单纯复形$K$上的分段线性标量场$f$,用$d \leq 3$ .我们的工作重新审视了具有开创性意义的算法“PairSimplices”[31],[103]以及离散莫尔斯理论(DMT)[34],[80],这大大减少了需要考虑的输入单形的数量。此外,我们还扩展到DMT,并加速“PairSimplices”中描述的分层策略,以快速计算$0^{th}$和$(d - 1)^{th}$图,即$D_0(f)$和$D_{d-1}(f)$。最小鞍持续对($D_0(f)$)和鞍最大持续对($D_{d-1}(f)$)是通过用Union-Find处理$1$ -鞍的不稳定集和$(d - 1)$ -鞍的稳定集而有效计算的。对维度$0$和$(d - 1)$的这种快速预计算使得[4]能够积极地专门化到3D情况,这导致用于计算$D_1(f)$(三明治的中间层)的输入单形的数量急剧减少。最后,我们通过共享内存并行记录了几个性能改进。我们提供了一个开源的实现我们的算法的再现性的目的。我们还贡献了一个可重复的基准测试包,它利用了来自公共存储库的三维数据,并将我们的算法与各种公开的实现进行比较。大量的实验表明,我们的算法提高了两个数量级的时间性能的开创性的“PairSimplices”算法,它扩展。此外,它还在14种竞争方法的选择中提高了内存占用和时间性能,与最快…
2023-01-13 cs.CG cs.CV cs.GR