Testing Triangle Freeness in the General Model in Graphs with Arboricity $O(\sqrt{n})$
研究了一般图模型下的三角形自由度检验问题。这个问题首先由Alon等人在一般图模型中研究(SIAM J. Discret. Math.2008),他提供了依赖于图的顶点数和平均度的下界和上界。仅当$d_{\rm max} = O(d)$和$\bar{d} \leq \sqrt{n}$或当$\bar{d} = Θ(1)$时,它们的边界是紧的,其中$d_{\rm max}$表示图的最大度,$\bar{d}$表示图的平均度。在本文中,我们提供的界限,依赖于荫度的图和平均度。正如Alon等人所述,我们的测试器的参数是顶点数$n$、边数$m$和邻近参数$ε$(图的荫度不是算法的参数)。我们的测试人员的查询复杂度是预期的$\tilde{O}(Γ/\bar{d} + Γ)\cdot poly(1/ε)$,其中$Γ$表示输入图的荫度(我们使用$\tilde{O}(\cdot)$来抑制$O(\log \log n)$因素)。我们表明,荫度$O(\sqrt{n})$的图的上界是紧在以下意义上。对于任何$Γ\in [s]$,其中$s= Θ(\sqrt{n})$,存在一族具有荫度$Γ$和平均度$\bar{d}$的图,使得需要$Ω(Γ/\bar{d} + Γ)$查询来测试这一族图上的三角形自由度。此外,这个下限适用于任何这样的$Γ$和一个大范围的可行的平均度。
2021-05-11 cs.DS
Distribution-Free Testing of Decision Lists with a Sublinear Number of Queries
该研究提出首个决策列表无分布测试的次线性查询算法,证明其测试比学习更易,同时给出该类测试器的查询及样本复杂度下界。
2024-04-17 cs.DS
Testing cycle-freeness: Finding a certificate
研究了有界度图无圈性的单侧误差性质测试器的设计问题。这样的属性测试器总是接受森林。此外,当它拒绝输入时,它提供一个短周期作为证书。在这个模型中检验无循环性的问题首先由Goldreich和Ron \cite{GR97}考虑。他们给出了一个具有双侧误差的恒定时间测试器(它不提供拒绝证书),并证明了具有单侧误差的测试器的$Ω(\sqrt{n})$下限。我们设计了一个具有单侧误差的属性测试器,其运行时间与此下限相匹配(至多为多对数因子)。有趣的是,这与Benjamini、Schramm和Shapira \cite{BSS08}最近提出的一个猜想有关。无周期性的属性在采取未成年人的操作下被关闭。这是具有几乎最佳的$\otilde(\sqrt{n})$时间单侧误差测试器但具有恒定时间双侧误差测试器的这种属性的第一个示例。在\cite{BSS08}中证明了这对于大量的次闭性质都是发生的,这个结果可以被看作是第一个迹象。
2009-06-26 cs.DM cs.DS
Improved Lower Bounds for Testing Triangle-freeness in Boolean Functions via Fast Matrix Multiplication
了解线性不变性质测试的查询复杂度一直是代数性质测试研究中的一个中心问题。布尔函数的无三角形性是一个简单的性质,其测试复杂度是未知的。三个布尔函数$f_1$、$f_2$和$f_3: \mathbb{F}_2^k \to \{0, 1\}$被称为无三角形,如果不存在$x, y \in \mathbb{F}_2^k$使得$f_1(x) = f_2(y) = f_3(x + y) = 1$。已知该属性是强可测试的(Green 2005),但是所需的查询数量的上限仅由高度为$1 / \epsislon$中的多项式的二进制塔限定,其中$\epsislon$是测试的函数三元组和无三角形之间的距离,即,需要修改以使三重三角形自由的函数值的最小分数。Bhattacharyya和Xie(2010)给出了任何单侧测试者的$(1 / ε)^{2.423}$下限。在这项工作中,我们改进了这个绑定到$(1 / ε)^{6.619}$。有趣的是,我们证明了这一点的组合结构称为\emph{uniquely solvable puzzles},这是在Coppermith和Winograd著名的矩阵乘法算法的核心。
2013-08-07 cs.CC cs.DS
Sunflowers and Testing Triangle-Freeness of Functions
如果不存在满足$x_1+x_2+x_3=0$和$f(x_1)=f(x_2)=f(x_3)=1$的$x_1,x_2,x_3 \in \mathbb{F}_2^n$,则函数$f: \mathbb{F}_2^n \rightarrow \{0,1\}$是无三角形的。在测试无三角形时,目标是以高概率将无三角形函数与那些$\varepsilon$函数区分开--远不是无三角形的。Green证明了问题的规范测试器的查询复杂度的上限是一个只依赖于$\varepsilon$的函数(GAFA,2005),然而最著名的上限是$1/\varepsilon$的塔型函数。规范测试程序的查询复杂度的最著名下限是$1/\varepsilon^{13.239}$(Fu and Kleinberg,RANDOM,2014)。在这项工作中,我们介绍了一种新的方法来证明三角形的查询复杂性的下界。我们将这个问题与组合问题的集合中的向量$\mathbb{Z}_D^n$和向日葵apricutures研究阿隆,Shpilka,和乌曼斯(COMPUT。很复杂,2013年)的报告。关系得出,弱向日葵猜想的反驳$\mathbb{Z}_4$意味着一个超多项式的查询复杂度的标准测试三角形自由的下界。我们的结果被扩展到测试$k$ -无圈的功能与域$\mathbb{F}_p^n$的每个$k \geq 3$和一个总理$p$。此外,我们通过推广由…
2014-11-17 cs.DS math.CO
Testing properties of signed graphs
在图属性测试中,任务是区分一个图是否满足给定的属性或“远离”具有该属性,最好使用次线性查询和时间复杂度。在这项工作中,我们开始在签署的图,其中每一个边缘有一个积极的或一个消极的符号的性质测试的研究。我们发现,存在次线性算法测试三个关键属性的签署图:平衡(或2-clusterability),clusterability和签署三角形自由。我们既考虑稠密图模型,在那里我们可以查询一个有符号图的(有符号)邻接矩阵,也考虑有界度模型,在那里我们可以查询节点的邻居和连接边的符号。我们的算法使用各种工具,从图形属性测试,以及减少从一个设置到其他。我们的主要技术贡献是在有界度模型中测试聚类性的次线性算法。这与k-聚类性的属性形成对比,k-聚类性的属性不能用次线性数量的查询来测试。这个测试器建立在Goldreich和Ron的开创性工作之上,用于测试二分性。
2021-02-15 cs.DS
Distributed Testing of Excluded Subgraphs
我们研究的背景下,分布式计算的经典CONGEST模型下的属性测试。众所周知,测试一个图是否是无三角形的可以在一个恒定的回合数,其中常数取决于输入图是从三角形自由多远。我们证明了,对于每个连通的4-节点图H,测试一个图是否是H-自由也可以在一个常数轮数。该常数还取决于输入图距离无H有多远,并且该依赖性与测试三角形的情况相同。因此,特别地,测试一个图是否是K_4-free的,以及测试一个图是否是C_4-free的可以在常数轮数中完成(其中K_k表示k节点团,并且C_k表示k节点圈)。另一方面,我们证明了当k>4时,检验K_k-自由性和C_k-自由性似乎要困难得多。具体来说,我们研究了两种自然类型的通用算法测试H-自由,称为DFS测试仪和BFS测试仪。后者捕获了先前已知的算法来测试三角形的存在,而前者捕获了我们的通用算法来测试4节点图模式H的存在。我们证明了DFS和BFS测试器都不能测试K_k-自由度和C_k-自由度在一个常数轮数k>4。
2016-05-12 cs.DC cs.DS
Testing Odd-Cycle-Freeness in Boolean Functions
调用函数f:F_2^n -> {0,1}如果没有x_1,.,x_k在F_2 ^n中,k是奇数,使得f(x_1)=. = f(x_k)= 1和x_1 +. + x_k = 0。我们表明,通过对评估预言机进行poly(1/eps)查询,可以将无奇循环函数与那些远非无奇循环的eps区分开来。为了得到这个结果,我们使用基本傅立叶分析和谱图理论之间的联系,以表明可以减少测试布尔函数的奇循环自由测试的稠密图的二分性。我们的工作形式的一部分,最近的一系列工程,显示布尔函数和图形属性的可测性之间的连接。我们还证明,有一个规范的测试奇循环自由使聚(1/eps)查询,这意味着测试算法的操作通过挑选一个随机的线性子空间的维度O(log 1/eps),然后检查是否限制的功能的子空间是奇循环自由或没有。通过研究随机子空间约束对函数傅里叶系数的影响,分析了该检验。我们的工作意味着,测试奇循环免费使用规范测试,而不是任意测试招致不超过一个多项式爆破的查询复杂度。是否存在一个典型的测试多项式爆破的问题仍然是一个悬而未决的问题。
2011-05-06 cs.DM cs.DS math.CO
Testing H-freeness on sparse graphs, the case of bounded expansion
ENS de Lyon, CNRS, LIP(里昂高等师范学院,法国国家科学研究中心,计算机与语言实验室);Université Clermont Auvergne, Clermont Auvergne INP, LIMOS, CNRS(克莱蒙奥弗涅大学,克莱蒙奥弗涅国立理工学院,信息与计算科学实验室,法国国家科学研究中心);RWTH Aachen University(亚琛工业大学);LaBRI, Université de Bordeaux(波尔多大学,计算机科学与研究实验室);University Clermont Auvergne(克莱蒙奥弗涅大学)
本文针对稀疏图属性测试问题,利用稀疏性工具包给出更简洁证明,将常数查询复杂度的H-无关性测试结论从排除子式的图类推广到所有有界扩张图类。
2025-11-13 cs.DS math.CO
Tolerant Testers for Subgraph-Freeness
Efi Arazi School of Computer Science, Reichman University(Reichman大学 Efi Arazi计算机科学学院)
本文针对一般图模型和有界度模型,提出了容错测试H-无属性的算法,其查询复杂度为荫度或度界的多项式,改进了现有最优结果。
2026-10-16 cs.DS
Testing Properties of Edge Distributions
Massachusetts Institute of Technology(麻省理工学院)
本文研究了图边分布的概率分布检验问题,提出了测试二分图性、三角形自由性和平方自由性近紧界,揭示了其样本复杂度与图结构的关系。
2026-08-14 cs.CC cs.DS
Monotone probability distributions over the Boolean cube can be learned with sublinear samples
如果将坐标值从0翻转到1只能增加元素的概率,则布尔立方体上的概率分布是单调的。给定样本的一个未知的单调分布的布尔立方体,我们给(据我们所知)的第一个算法,学习近似的分布在统计距离使用一些样本是次线性域。为了做到这一点,我们开发了一个结构引理描述单调概率分布。结构引理有进一步的影响,样本的复杂性的基本测试任务,分析单调概率分布的布尔立方体:我们用它来给非平凡的上限估计的距离单调分布的任务,以均匀和估计的支持大小的单调分布。在布尔立方体上的单调概率分布的设置中,我们的算法是第一个具有样本复杂度低于已知的下限,对于任意(不一定是单调的)概率分布的相同的测试任务。我们的学习算法的一个进一步的结果是一个改进的样本复杂性的任务,测试是否分布的布尔立方体是单调的。
2020-02-09 cs.DS
A Note on Testing Intersection of Convex Sets in Sublinear Time
我们提出了一个简单的次线性时间算法来测试以下几何性质。设$P_1, ..., P_n$是$\mathbb{R}^d$($n \gg d$)中的$n$凸集,如多面体、球等。我们假设每个集合的复杂度仅取决于$d$(而不取决于集合的数量$n$)。我们测试的性质,存在一个公共点,在所有的集合,即他们的交集是非空的。我们的目标是区分交集为非空的情况,以及即使删除了许多集合,交集仍为空的情况。特别是,我们的算法返回PASS,如果所有的$n$集相交,并返回失败的概率至少$1-ε$,如果没有点属于$\fracα{d+1} n$集,对于任何给定的$0 < α, ε< 1$。
2016-12-04 cs.CG cs.DS
Testing perfection is hard
一个图的性质P是强可测的,如果对于每个固定的ε>0,存在P的单侧ε-测试器,其查询复杂度由ε的函数限定。在强可测图性质的分类中,第一作者和Shapira证明了任何遗传图性质(如完美图族P)都是强可测的。如果一个属性是强可测试的,并且查询复杂度由ε^{-1}的多项式函数限制,则该属性是容易测试的,否则它是困难的。我们的一个主要结果表明,测试完美性是困难的。证明表明,测试完美性至少和测试无三角形性一样难,这是很难的。另一方面,我们证明了诱导P_3-freeness是容易检验的。这解决了两个例外图之一,另一个是C_4(及其补充),在第一作者和Shapira的图H的特征化中留下了空白,其中诱导H-自由度是容易测试的。
2011-10-13 cs.DM cs.DS math.CO
Finding Cycles and Trees in Sublinear Time
我们提出了次线性时间(随机)算法,找到简单的周期长度至少$k\geq 3$和树未成年人在有界度图。这些算法的复杂度与图距无$C_k$ -次要者的距离有关(分别地,不具有相应的树子)。特别地,如果图是远的(即,$Ω(1)$(远){from}是无环的,即,如果必须删除边的恒定部分以使其无环,则该算法找到时间上的多对数长度的循环$\tildeO(\sqrt{N})$,其中$N$表示顶点的数量。这个时间复杂度对于多对数因子来说是最优的。上述结果是我们在有界度图模型中研究{ \em单侧误差}属性测试算法复杂性的结果。例如,我们证明了$N$顶点图的无圈性可以在时间复杂度$\tildeO(\poly(1/\e)\cdot\sqrt{N})$内用单侧误差进行测试。这与已知的$Ω(\sqrt{N})$查询下限相匹配,并且与以下事实形成对比:任何无次项属性都允许查询复杂性的{ \em双侧误差}测试器仅取决于邻近参数$\e$。对于任何常数$k\geq3$,我们将这个结果扩展到测试输入图是否具有长度至少为$k$的简单循环。另一方面,对于任何固定的树$T$,我们表明,$T$ -未成年人的自由度有一个单侧错误测试的查询复杂性,只依赖于接近参数$\e$。我们的算法在有界度图中找到循环扩展到一般的图形,距离测量相对于实际的边缘数。这样的扩展对于在$o(\sqrt{N})$复杂度中寻找树-子式是不可能的。
2012-04-03 cs.DM cs.DS
Testing Depth First Search Numbering
该研究提出带顶点标签查询的有界度图新模型,针对DFS遍历发现时间属性设计了查询复杂度为O(n^{1/3}/ε)的测试算法,并给出常数ε下的匹配下界,推进亚线性图属性测试研究。
2025-09-05 cs.DS
Approximating Dasgupta Cost in Sublinear Time from a Few Random Seeds
本文提出首个在次线性时间内测试 $(k, ε)$-可聚类图层次结构的算法,利用约 $n^{1/3}$ 个已知标签的随机种子,在 $n^{1/2+O(ε)}$ 时间内实现对 Dasgupta 开销的 $O(\sqrt{\log k})$ 近似。
2025-08-10 cs.DS
Testing forbidden order-pattern properties on hypergrids
Chennai Mathematical Institute(金奈数学研究所);University of Haifa(海法大学);University of Cologne(科隆大学)
本文系统研究高维网格上的模式自由性测试,提出三维排列的自适应测试器及下界,并给出单调模式的指数级分离,同时引入新的擦除弹性单调性测试器。
2025-10-26 cs.DS
Sublinear-query relative-error testing of halfspaces
Columbia University(哥伦比亚大学);University of Pennsylvania(宾夕法尼亚大学);MIT(麻省理工学院)
本文研究了在实数域上基于高斯分布的半空间相对误差测试问题,证明了在次线性查询次数下可完成测试,相较于学习所需查询次数显著减少。
2026-04-02 cs.CC cs.DS
Faster and Simpler Distributed Algorithms for Testing and Correcting Graph Properties in the CONGEST-Model
在本文中,我们提出了CONGEST模型中图属性的分布式测试算法[Censor-Hillel et al. 2016]。在一般图模型中,我们提出了单边误差测试算法。我们首先描述了一个通用的程序转换$ε$ -测试仪与若干轮$f(D)$,其中$D$表示直径的图形,以$O((\log n)/ε)+f((\log n)/ε)$轮,其中$n$是网络的处理器的数量。然后,我们应用这个过程来获得一个最佳测试器,根据$n$,用于测试二分性,其轮复杂度为$O(ε^{-1}\log n)$,它改进了Censor-Hillel等人的$poly(ε^{-1} \log n)$轮算法。(DISC 2016)。此外,对于无圈性,我们得到了一个局部修正图的\emph{corrector},使得修正后的图是无圈的。请注意,与测试人员不同,校正人员需要在图形远离属性的情况下在许多地方修补图形。在本文的第二部分中,我们设计了算法来测试网络是否是$H$ -自由的任何连接的$H$的大小高达四轮复杂度为$O(ε^{-1})$。这改进了Censor-Hillel等人(DISC 2016)用于测试三角形自由度的$O(ε^{-2})$轮算法,以及Fraigniaud等人(DISC 2016)用于测试大小为$4$的排除图。在最后一部分中,我们将Iwama和Yoshida(ITCS 2014)测试$k$ -路径自由度的全局测试器推广到…
2017-05-13 cs.DC cs.DS
Testing Graph Clusterability: Algorithms and Lower Bounds
我们考虑的问题,测试图集群结构:给定访问一个图$G=(V, E)$,我们可以快速确定是否可以划分成几个集群具有良好的内部电导,或者是远离任何这样的图?这是测试图扩展的充分研究的问题的推广,其中人们想要区分具有良好扩展的图(即,是一个很好的单一集群)和具有稀疏切割(即\是至少两个簇的并集)。Czumaj,Peng,and Sohler(STOC'15)最近的一项工作给出了一个巧妙的次线性时间算法来测试$k$ -clusterability in time $\tilde{O}(n^{1/2} \text{poly}(k))$:他们的算法隐式地将图的顶点的随机样本嵌入到欧几里得空间中,然后基于点之间的欧几里得距离的估计对样本进行聚类。这产生了一个非常有效的测试算法,但只有当集群结构非常强时才有效:有必要假设接受和拒绝图的电导之间的差距至少是图$G$大小的对数。在本文中,我们将展示如何利用更精细的几何信息,即角度,而不是距离,以获得一个次线性时间测试仪,即使当间隙是一个足够大的常数。我们的测试是基于一个自然矩阵的奇异值分解来自随机行走转移概率从一个小样本的种子节点。我们补充我们的算法与测试聚类性的查询复杂度的匹配下界。我们的下限是基于一个新的属性测试问题,我们使用傅立叶分析工具进行分析。作为我们的技术的副产品,我们也实现了新的下界的问题近似MAX-CUT值在次线性时间。
2018-09-18 cs.DS
New Sublinear Algorithms and Lower Bounds for LIS Estimation
估计数组中最长递增子序列的长度是一个非常重要的问题。尽管LIS估计问题的重要性和它所受到的关注,但这个问题的一些重要方面还没有完全理解。对于LIS估计,没有比测试单调性(对于自适应或非自适应算法)所暗示的明显界限更好的下限。在本文中,我们给出了第一个非平凡的下限的LIS估计的复杂性,也提供了新的算法,补充我们的下限。具体而言,对于每个常数$ε\in (0,1)$,每个输出长度$n$的阵列中LIS的长度估计值在$ε\cdot n$的附加误差内的非自适应算法都必须进行$\log^{Ω(\log (1/ε))} n)$查询。接下来,我们设计了非自适应LIS估计算法,其复杂度随着阵列中不同值$r$的数量减少而降低。我们首先提出了一个简单的算法,使$\tilde{O}(r/ε^3)$查询和近似的LIS长度与$εn$有界的附加误差。然后,我们用它来构建一个非自适应算法的查询复杂度$\tilde{O}(\sqrt{r} \cdot \text{poly}(1/λ))$,一个数组的LIS长度至少$λn$,输出一个乘法$Ω(λ)$近似LIS长度。最后,我们描述了一个非自适应擦除弹性测试排序,查询复杂性$O(\log n)$。我们的研究结果表明,非自适应容忍测试严格比非自适应擦除弹性测试的单调性的自然属性。
2021-02-11 cs.DS
Finding forbidden minors in sublinear time: a $n^{1/2+o(1)}$-query one-sided tester for minor closed properties on bounded degree graphs
设$G$是一个顶点数为$n$的无向有界度图。固定一个有限图$H$,并假设必须从$G$中移除$\varepsilon n$边以使其$H$ -minor free(对于某个小常数$\varepsilon > 0$)。我们给出了一个$n^{1/2+o(1)}$时间随机过程,以高概率,发现一个$H$ -未成年人在这样的图。作为一个应用,假设必须从有界度图$G$中去除$\varepsilon n$边以使其成为平面图。该结果意味着在相同的运行时间下,生成$K_{3,3}$或$G$中的$K_5$子程序的算法。没有事先的次线性时间界限是已知的这个问题。利用图的子式定理,对任意的子闭性质,我们得到了类似的结果。直到$n^{o(1)}$因子,这解决了Benjamini-Schramm-Shapira(STOC 2008)关于存在单侧性质测试子的猜想。此外,通过Czumaj等人的$Ω(\sqrt{n})$下限(RSA 2014),我们的算法几乎是最优的。在这项工作之前,已知$H$ -次要游离度的非平凡单侧属性测试仪的唯一图形$H$如下:$H$是森林或循环(Czumaj等人,RSA 2014),$K_{2,k}$,$(k\times 2)$ -网格和$k$ -圆(Fichtenberger等人,Arxiv 2017)。
2018-08-28 cs.DM cs.DS
Deterministic Heavy Hitters with Sublinear Query Time
本文研究了旋转栅门流模型中的经典问题--重打击者发现问题。我们给出了第一个具有$O(ε^{-2} \log n \cdot \log^*(ε^{-1}))$行并在次线性时间内回答查询的确定性线性草图。行数仅是$\log^*(ε^{-1})$的一个因子,比我们的论文之前的最先进的算法所使用的多,由于Nelson,Nguyen和Woodruff(随机'12)。他们的算法在时间上运行至少在宇宙大小$n$中是线性的,这在流应用中是非常不期望的。我们的方法是基于一个迭代过程,其中大多数未恢复的重量级选手在每次迭代中确定。虽然这种技术已被广泛采用的稀疏恢复的相关问题,这是第一次,据我们所知,它已被用于在$\ell_1$重打击的上下文中。一路上,我们还给出了次线性时间算法的组合组测试和$\ell_1/\ell_1$压缩感知密切相关的问题,匹配以前的空间使用(超)线性时间算法。
2018-06-12 cs.DS
Robust Clustering Oracle and Local Reconstructor of Cluster Structure of Graphs
由于现代网络数据的巨大规模,用于分析图的簇结构的在次线性时间内运行的局部算法受到越来越多的关注。两个典型的例子是局部图聚类算法,它从种子节点中找到一个簇,运行时间与输出集的大小成正比,以及可聚类性测试算法,它决定一个图是否可以在属性测试的框架中划分为几个簇。在这项工作中,我们开发了次线性时间算法分析图的聚类结构与噪声部分信息。通过使用电导为基础的定义来衡量质量的集群和集群结构,我们正式定义的噪声聚类图有界的最大程度。该算法被赋予查询访问这样的图的邻接表。然后,我们形式化了噪声可聚类图的鲁棒聚类预言机的概念,并给出了一个在次线性时间内构建这种预言机的算法,该算法可以进一步用于支持典型查询(例如,IsOutlier($s$)、SameCluster($s,t$)),关于图在次线性时间中的簇结构。所有的答案都与$G$的一个划分相一致,其中除了一小部分顶点之外,所有的顶点都属于某个好的簇。我们还给出了一个本地重建的嘈杂的可聚类图,提供查询访问重建的图,保证是可聚类的次线性时间。所有的查询答案都与一个可聚类图一致,该可聚类图保证接近原始图。
2019-04-22 cs.DS
Quantum property testing in sparse directed graphs
Université Paris Cité, CNRS, IRIF(巴黎西岱大学、法国国家科学研究中心、IRIF);Centre for Quantum Technologies, National University of Singapore(新加坡国立大学量子技术中心);Ruhr-Universität Bochum(波鸿鲁尔大学)
研究稀疏有向图中量子属性测试的效率,证明k-星形自由性在量子设置中具有二次优势,并探讨无向图3-着色问题在量子测试中的线性查询需求。
2025-11-26 cs.DS quant-ph
Sample-based distance-approximation for subsequence-freeness
该研究在基于样本的无分布模型下,提出样本复杂度为$\tilde{O}(k^2/\delta^2)$的算法,近似序列到无次子序列性质的距离,证明了对$1/\delta$的二次依赖是必要的。
2023-05-02 cs.DS
Streaming and Sublinear Approximation of Entropy and Information Distances
在数据采掘和机器学习的许多问题中,需要聚类或分类的数据项不是高维空间中的点,而是分布(高维单纯形上的点)。对于分布,距离的自然度量不是$\ell_p$范数和变体,而是信息论度量,如Kullback-Leibler距离、Hellinger距离等。这些距离的有效估计是操纵分布算法的关键组成部分。因此,次线性资源约束,无论是在时间(属性测试)或空间(流)是至关重要的。我们首先解决两个悬而未决的问题,关于属性测试的分布。首先,我们展示了一个紧界估计有界的,对称的f-分布之间的分歧在一般属性测试(次线性时间)框架(所谓的组合预言模型)。这就产生了用于估计诸如詹森-香农发散和海林格距离等众所周知的距离的最佳算法。其次,我们关闭了一个$(\log n)/H$的上限和下限之间的差距估计熵$H$在这个模型。在一个流设置(次线性空间),我们给出了第一个算法估计的熵的分布。我们的算法运行在多对数空间,并产生一个渐近常数因子近似计划。我们还提供了沿空间/时间/近似权衡曲线的其他结果。
2005-08-29 cs.DS cs.IT math.IT
Sublinear Time Algorithms for Abelian Group Property Testing
Technion – Israel Institute of Technology(以色列理工学院)
针对阿贝尔群性质测试,提出一种在部分指定模型和完全指定模型下运行时间为Õ(√|G|+1/ε)的测试器,改进了Goldreich-Tauber的O(|G|/ε)测试器,并推广到同构封闭的子类。
2026-06-23 cs.DS
Sublinear-Time Algorithms for Max Cut, Max E2Lin$(q)$, and Unique Label Cover on Expanders
我们显示子线性时间算法的最大切割和最大E2林$(q)$扩展器的邻接表模型,区分实例的最佳值超过$1-\varepsilon$的最佳值小于$1-ρ$的$ρ\gg \varepsilon$。Max Cut和Max $2$ Lin $(q)$的时间复杂度分别为$\widetilde{O}(\frac{1}{ϕ^2ρ} \cdot m^{1/2+O(\varepsilon/(ϕ^2ρ))})$和$\widetilde{O}(\mathrm{poly}(\frac{q}{ϕρ})\cdot {(mq)}^{1/2+O(q^6\varepsilon/ϕ^2ρ^2)})$,其中$m$是底层图中的边数,$ϕ$是其电导。然后,我们给出了一个次线性时间算法的唯一标签覆盖的扩展$ϕ\gg ε$在有界度模型。我们的算法的时间复杂度是$\widetilde{O}_d(2^{q^{O(1)}\cdotϕ^{1/q}\cdot \varepsilon^{-1/2}}\cdot n^{1/2+q^{O(q)}\cdot \varepsilon^{4^{1.5-q}}\cdot ϕ^{-2}})$,其中$n$是变量的数量。我们补充这些算法的结果表明,测试$3$ -colorability需要$Ω(n)$查询,即使在扩展器。
2022-10-23 cs.DS
Improved Bounds for Testing Forbidden Order Patterns
序列$f\colon\{1,\dots,n\}\to\mathbb{R}$包含长度为$k$的置换$π$,如果存在$i_1<\dots<i_k$,使得对于所有$x,y$,$f(i_x)<f(i_y)$当且仅当$π(x)<π(y)$ ;否则,$f$被称为无$π$.在这项工作中,我们考虑的问题,测试$π$ -游离与单侧误差,继续调查[纽曼等人,SODA'17]。我们展示了一个令人惊讶的行为,非自适应测试与单侧错误:虽然一个平凡的基于采样的方法产生$π$ -freeness的$\varepsilon$ -测试,使$Θ(\varepsilon^{-1/k} n^{1-1/k})$查询,我们的下限意味着,这几乎是最佳的大多数排列!具体而言,对于长度为$k$的大多数排列$π$,任何非自适应单侧$\varepsilon$测试都需要$\varepsilon^{-1/(k-Θ(1))}n^{1-1/(k-Θ(1))}$查询;此外,最难测试的排列需要$Θ(\varepsilon^{-1/(k-1)}n^{1-1/(k-1)})$查询,这在$n$和$\varepsilon$中是紧密的。此外,我们在这里展示了两种分层行为。首先,对于任何$k$和$l\leq k-1$,存在一些长度为$k$的$π$,其需要$\tildeΘ_{\varepsilon}(n^{1-1/l})$非自适应查询。其次,我们证明了$π=(…
2017-10-29 cs.CC cs.DS math.CO
Unbounded-width CSPs are Untestable in a Sublinear Number of Queries
Massachusetts Institute of Technology(麻省理工学院)
本文证明在有限度模型中,所有无界宽度约束满足问题(CSP)的满足性测试需要Ω(n)次查询,统一并推广了多个先前下界,适用于所有NP难CSP。
2026-06-26 cs.CC cs.DS
An Optimal Separation between Two Property Testing Models for Bounded Degree Directed Graphs
本文研究了有界度有向图的双向与单向性质测试模型,证明了包含k个源分量的子图自由性在单向模型中需要$Ω(n^{1-1/k})$次查询,首次给出了两模型间查询复杂度的最优分离并解决了相关猜想。
2023-05-22 cs.DS
Erasure-Resilient Sublinear-Time Graph Algorithms
我们调查的次线性时间算法,部分擦除图表示的邻接表作为输入。我们的算法对输入图进行度和邻居查询,并在邻接条目中处理指定比例的对抗性擦除。我们专注于两个计算任务:测试图是否连通或$\varepsilon$ -远离连通和估计平均度。为了测试连通性,我们发现了一个阈值现象:当擦除的分数小于$\varepsilon$,这个属性可以有效地测试(在时间上独立于图的大小);当擦除的分数至少是$\varepsilon,$,那么一些查询的线性图表示的大小是必需的。我们的擦除弹性算法(对于没有擦除的特殊情况)是一个改进,以前已知的算法在标准属性测试模型的连通性,并具有最佳的依赖于邻近参数$\varepsilon$。为了估计平均度,我们的结果提供了一个“插值”之间的查询复杂度为这个计算任务的模型中没有擦除在两个不同的设置:只有度查询,调查费奇(SIAM J.计算。06),以及Goldreich和Ron(Random Struct. Algorithms 08)和Eden等人(ICALP 17)研究的度查询和邻居查询。最后,我们讨论了我们的模型和我们的工作所提出的开放性问题。
2020-11-29 cs.DM cs.DS
Improved Algorithm for Permutation Testing
本文提出一种测试$(1,3,2)$-freeness的自适应算法,查询复杂度为$O(ε^{-2}\log^4 n)$,通过引入嵌入模式的新结构,显著改进了此前$O(ε^{-7}\log^{26}n)$的查询复杂度。
2023-12-27 cs.CC cs.DS
Sublinear-Time Computation in the Presence of Online Erasures
本文开创了在线对抗性擦除模型下的次线性时间算法研究,证明函数线性性和二次性在常数擦除数下仍可测试,并给出线性性测试的紧查询复杂度 Θ(log t),同时发现有序性和 Lipschitz 性质即使在 t=1 时也无法测试。
2024-12-31 cs.DM cs.DS
Finding monotone patterns in sublinear time
本文从次线性算法的角度研究了求数组中单调连续性的问题。对于固定的$k \in \mathbb{N}$和$\varepsilon > 0$,我们发现,非自适应查询的复杂性,找到一个长度$k$单调子序列的$f \colon [n] \to \mathbb{R}$,假设$f$是$\varepsilon$ -远离免费的,这样的约束,是$Θ((\log n)^{\lfloor \log_2 k \rfloor})$。在我们的工作之前,由于Newman,Rabinovich,Rajendraprasad和Sohler(2017),这个问题的最佳算法使$(\log n)^{O(k^2)}$非自适应查询;以及$k = 2$情况下$Ω(\log n)$查询的唯一已知下限,其次是Ergün,Kannan,Kumar,Rubinfeld和Viswanathan(2000)和Fischer(2004)的单调性测试。
2019-10-03 cs.DM cs.DS
Fast Distributed Algorithms for Testing Graph Properties
我们开始一个彻底的研究\emph{distributed property testing} -生产算法的近似问题的属性测试的CONGEST模型。特别是,对于所谓的\emph{dense}测试模型,我们模拟顺序测试几乎所有的图形属性具有$1$边的测试,而在\emph{sparse}和\emph{general}模型,我们分别获得更快的测试三角自由和二分性。在大多数情况下,并行性的帮助下,分布式算法有一个更短的运行时间相比,他们的对手从传统的属性测试的顺序查询模型。最简单的属性测试算法允许相对平滑地过渡到分布式模型。对于更复杂的任务,我们开发了独立感兴趣的新机器。这包括用于多个随机游走的分布式维护的方法。
2016-05-02 cs.DC cs.DS
On Efficient Distance Approximation for Graph Properties
在邻接矩阵模型中,给出了图属性$\mathcal{P}$的距离近似算法,给出了近似参数$ε\in (0,1)$和对图$G=(V,E)$邻接矩阵的查询访问。需要输出$G$和满足$\mathcal{P}$的最近图$G'=(V,E')$之间的\emph{distance}的估计,其中图之间的距离是它们的边集之间的对称差的大小,由$|V|^2$归一化。在这项工作中,我们引入属性覆盖,作为一个框架,使用距离近似算法的“简单”的属性来设计距离近似。应用这个框架,我们提出了距离近似算法与$poly(1/ε)$查询复杂度的诱导$P_3$ -freeness,诱导$P_4$ -freeness,和弦。对于诱导的$C_4$ -freeness我们的算法有查询复杂度$exp(poly(1/ε))$ .这些复杂性基本上与用于测试这些性质的相应已知结果相匹配,并且提供了对先前已知结果的指数改进。
2020-01-06 cs.DS math.CO
Faster Algorithms for Testing under Conditional Sampling
University of California, San Diego(加州大学圣地亚哥分校)
最近有相当大的兴趣,分布测试的运行时间和样本的要求是次线性的域大小$k$。我们研究了两个最重要的测试下的条件抽样模型,每个查询指定一个子集$S$的域,和响应是一个样本从$S$根据底层的分布。对于身份测试,它询问是否底层分布等于一个特定的给定分布或$ε$ -不同于它,我们减少了已知的时间和样本的复杂性从$\tilde{\mathcal{O}}(ε^{-4})$到$\tilde{\mathcal{O}}(ε^{-2})$,从而匹配的信息理论下限。对于接近性测试,它询问两个分布的基础上观察到的数据集是相等还是不同的,我们减少现有的复杂性从$\tilde{\mathcal{O}}(ε^{-4} \log^5 k)$到一个偶数次对数$\tilde{\mathcal{O}}(ε^{-5} \log \log k)$,从而提供了一个更好的约束到一个开放的问题在Bertinoro研讨会上的次线性算法[Fisher,2004]。
2015-04-16 cs.CC cs.DS cs.LG
Faster Sublinear Algorithms using Conditional Sampling
MIT(麻省理工学院)
概率分布D的条件采样预言机返回来自限制于域的指定子集的D的条件分布的样本。最近的一系列工作(Chakraborty et al. 2013和Cannone et al. 2014)表明,访问这样的条件抽样oracle只需要多对数甚至常数数量的样本来解决分布测试问题,如同一性和均匀性。这大大改善了标准采样模型,其中多项式许多样本是必要的。受这些结果的启发,我们引入了一个计算模型的基础上,条件采样开发次线性算法与指数更快的运行时间相比,标准的次线性算法。本文主要研究高维欧氏空间中点集上的几何优化问题。访问这些点是通过一个有条件的采样预言机提供的,该预言机将域的子集的简洁表示作为输入,并输出该子集中的均匀随机点。我们研究了两个很好的研究问题:k-均值聚类和估计的最小生成树的重量。与经典模型的已有算法相比,我们的算法具有时间、空间和样本复杂度,即维数为多项式,点数为多对数。最后,我们评论了该模型的适用性,并与现有的流,并行和分布式计算模型。
2016-08-16 cs.DS cs.LG
Testing Closeness of Discrete Distributions
给定来自$n$ -元素集上的两个分布的样本,我们希望测试这些分布在统计上是否接近。我们提出了一种算法,它使用次线性的$n$,具体来说,$O(n^{2/3}ε^{-8/3}\log n)$,独立的样本从每个分布,运行在时间线性的样本大小,使没有假设的结构的分布,并区分的情况下,分布之间的距离是小的(小于$\max\{ε^{4/3}n^{-1/3}/32, εn^{-1/2}/4\}$)或大(大于$ε$)在$\ell_1$距离。这个结果可以与Valiant给出的这个问题的$Ω(n^{2/3}ε^{-2/3})$的下界进行比较。我们的算法有应用程序的问题,测试是否一个给定的马尔可夫过程是快速混合。我们也提出了这个问题的几个变种的次线性。
2010-11-04 cs.DS math.PR math.ST
Testing Cluster Structure of Graphs
在有界度模型的性质测试框架下,研究了图的簇结构识别问题。给定一个参数$\varepsilon$,一个$d$有界度图被定义为$(k, ϕ)$可聚类的,如果它可以被划分为不超过$k$部分,使得每个部分上的导出子图的(内)电导至少为$ϕ$,每个部分的(外)电导至多为$c_{d,k}\varepsilon^4ϕ^2$,其中$c_{d,k}$仅依赖于$d,k$ .我们的主要结果是一个次线性算法的运行时间$\widetilde{O}(\sqrt{n}\cdot\mathrm{poly}(ϕ,k,1/\varepsilon))$,作为输入的图形与最大程度的$d$,参数$k$,$ϕ$,$\varepsilon$,并与概率至少$\frac23$,接受的图形,如果它是$(k,ϕ)$ -clusterable和拒绝的图形,如果它是$\varepsilon$ -远离$(k, ϕ^*)$ -clusterable为$ϕ^* = c'_{d,k}\frac{ϕ^2 \varepsilon^4}{\log n}$,其中$c'_{d,k}$只依赖于$d,k$。通过测试图扩展所需查询数的$Ω(\sqrt{n})$下界,对应于我们问题中的$k=1$,我们的算法在多对数因子下是渐近最优的。
2015-04-13 cs.DS
Deleting and Testing Forbidden Patterns in Multi-Dimensional Arrays
Tel Aviv University(特拉维夫大学);University of California at Los-Angeles(加利福尼亚大学洛杉矶分校);University of California at Berkeley(加利福尼亚大学伯克利分校)
理解结构化多维数据的局部行为是计算机科学各个领域的基本问题。由于数据量通常是巨大的,因此希望获得次线性时间算法,特别是属性测试器,以了解数据的局部属性。我们专注于测试模式自由度的自然局部问题:给定一个大的$d$维阵列$A$和一个固定的$d$维模式$P$在有限的字母表,我们说,$A$是$P$ -免费的,如果它不包含一个副本的禁止模式$P$作为一个连续的子阵列。$A$到$P$ -freeness的距离是$A$中需要修改以使其不含$P$的条目的分数。对于任何$ε\in [0,1]$和任何足够大的模式$P$在任何字母表,除了一个非常小的一组特殊的模式,我们设计了一个宽容的测试,区分的情况下,距离至少是$ε$和情况下,它是在最$a_d ε$,查询复杂性和运行时间$c_d ε^{-1}$,其中$a_d < 1$和$c_d$只依赖于$d$。为了分析测试者,我们建立了几个组合结果,包括以下$d$维修改引理,这可能是独立的兴趣:对于任何字母表上的任何足够大的模式$P$(不包括二进制情况的一小组例外模式),以及包含$P$的副本的任何数组$A$,可以通过修改其位置之一来删除该副本,而无需在$A$中创建新的$P$副本。我们的研究结果解决了一个悬而未决的问题,菲舍尔和纽曼,谁问是否存在有效的测试人员在多维结构化数据的紧密子结构相关的属性。它们是对多维数组局部性质的一般理解的第一步,因为任何这样的性质都可以由…
2017-03-26 cs.CV cs.DS
Streaming Algorithms for Monotonicity Testing
Northeastern University(东北大学);MIT CSAIL(麻省理工学院计算机科学与人工智能实验室);Google Research(谷歌研究)
该研究针对偏序集的单调性测试问题,提出一种在√n^(1+o(1))次遍历中实现(2+ε)近似的流式算法,首次关联亚线性时间与流式最大匹配估计,改进了现有算法的遍历复杂度。
2026-09-11 cs.DS
The Trichotomy of Regular Property Testing
LaBRI, Université de Bordeaux(波尔多大学 LaBRI 实验室);LaBRI, CNRS, Université de Bordeaux(波尔多大学 CNRS LaBRI 实验室);MPI-SWS, Kaiserslautern(凯泽斯劳滕马克斯·普朗克计算机科学研究所)
本文研究正则语言的性质测试,通过最小阻塞序列在自动机上直接进行组合推理,证明正则语言类可划分为三类,每类均具有最优查询复杂性。
2026-11-10 cs.CC cs.DS
Tolerant Testing for Unique Games
National Institute of Informatics(国立情报学研究所)
该研究提出了一种在邻接表模型中具有次线性查询复杂度的容忍测试器,用于唯一游戏,无需依赖扩张或聚类假设。通过区分最优违反约束分数为ε和至少ρ的实例,改进了唯一游戏的容忍测试方法,并针对二分图情况提供了专用测试器,提升了容忍性和查询复杂度保证。
2026-05-18 cs.DS
Dynamic Graph Stream Algorithms in $o(n)$ Space
本文研究了动态流模型中的图问题,其中输入由一系列的边插入和删除定义。由于许多自然问题都需要$Ω(n)$空间,其中$n$是顶点数,现有的工作主要集中在设计$\tilde{O}(n)$空间算法上。虽然稠密图的边数是次线性的,但对于许多应用来说它仍然可能太大(例如$n$是巨大的或图是稀疏的)。在这项工作中,我们给出了两类问题的单通道算法击败这个空间障碍。我们提出了$o(n)$空间算法估计的连接组件的数量与附加误差$\varepsilon n$和$(1+\varepsilon)$ -近似的最小生成树的重量,任何小常数$\varepsilon>0$。后者改进了Ahn等人(SODA 2012)给出的有界边权连通图的$\tilde{O}(n)$空间算法。我们开始研究的近似图形属性测试的动态流模型,在那里我们要区分图形满足的属性是$\varepsilon$ -远离具有的属性的图形。我们考虑的问题,测试$k$ -边连通性,$k$ -顶点连通性,无圈性和二分性(平面图),为此,我们提供了算法使用大致$\tilde{O}(n^{1-\varepsilon})$空间,这是$o(n)$任何常数$\varepsilon$。为了补充我们的算法,我们提出了这些问题的$Ω(n^{1-O(\varepsilon)})$空间下界,这表明这种依赖于$\varepsilon$是必要的。
2016-04-30 cs.DS
The Price of Tolerance in Distribution Testing
我们重新讨论了容忍分布测试的问题。也就是说,给定来自未知分布$p$/$\{1, \dots, n\}$的样本,它是$\varepsilon_1$ -接近还是$\varepsilon_2$ -远离参考分布$q$(在总变异距离中)?尽管在过去十年中引起了很大的兴趣,但这个问题只在极端情况下才得到很好的理解。在无噪声设置中(即,$\varepsilon_1 = 0$),样本复杂度为$Θ(\sqrt{n})$,域大小为强次线性。在频谱的另一端,当$\varepsilon_1 = \varepsilon_2/2$时,样本复杂度跳到几乎是次线性的$Θ(n/\log n)$。然而,人们对中间状态知之甚少。我们充分描述了分布测试中的公差价格作为$n$、$\varepsilon_1$、$\varepsilon_2$的函数,直到单个$\log n$因子。具体来说,我们显示的样本复杂性是\[\tilde Θ\left(\frac{\sqrt{n}}{\varepsilon_2^{2}} + \frac{n}{\log n} \cdot \max \left\{\frac{\varepsilon_1}{\varepsilon_2^2},\left(\frac{\varepsilon_1}{\varepsilon_2^2}\right)^{\!\!2}\right\}\right),\]提供了一个平滑的折衷…
2021-11-09 cs.DS cs.IT math.IT
Testing Bayesian Networks
IBM Research(IBM研究院);Stanford University(斯坦福大学);Columbia University(哥伦比亚大学);University of WisconsinMadison(威斯康星大学麦迪逊分校);University of Southern California(南加州大学);Web3 Foundation(Web3基金会);University of California, San Diego(加利福尼亚大学圣迭戈分校)
这项工作启动了一个系统的调查,测试高维结构化分布的重点是测试贝叶斯网络-有向图形模型的原型家庭。贝叶斯网络由有向无环图定义,其中我们将随机变量与每个节点相关联。一旦其父节点固定,任何特定节点上的值都有条件地独立于所有其他非后代节点。具体地,我们研究了贝叶斯网络的身份测试和贴近度测试的性质。我们的主要贡献是这些问题的第一个非平凡有效的测试算法和相应的信息论下界。对于广泛的参数设置,我们的测试算法的样本复杂度在维度上是次线性的,并且是样本最优的,直到常数因子。
2020-01-25 cs.DS cs.IT cs.LG
Directed Isoperimetry and Monotonicity Testing: A Dynamical Approach
本文利用有向热方程与最优输运证明有向 Poincaré 不等式,并据此为实体立方体上的 $M$-Lipschitz 函数提出次线性查询复杂度的 $L^2$ 单调性测试器。
2024-10-01 cs.DS
Almost Optimal Proper Learning and Testing Polynomials
Technion(以色列理工学院)
我们给出了均匀分布下布尔稀疏多元多项式的第一个几乎最优的多项式时间正确学习算法。对于$s$-$n$变量上的稀疏多项式和$ε=1/s^β$,$β>1$,我们的算法进行$$q_U=\left(\frac{s}ε\right)^{\frac{\log β}β+O(\frac{1}β)}+ \tilde O\left(s\right)\left(\log\frac{1}ε\right)\log n$$查询.注意,我们的查询复杂度在$1/ε$中是次线性的,在$s$中几乎是线性的。所有以前的算法的查询复杂度至少在$s$中是二次的,在$1/ε$中是线性的。然后证明了$$q_L=\left(\frac{s}ε\right)^{\frac{\log β}β+Ω(\frac{1}β)}+ Ω\left(s\right)\left(\log\frac{1}ε\right)\log n,$$的几乎紧下界。应用上述算法在~\cite{Bshouty19b}中的约化,我们给出了$s$-稀疏多项式的第一个几乎最优多项式时间检验器。我们的$β>3.404$测试人员进行$$\tilde O\left(\frac{s}ε\right)$$查询。
2022-02-07 cs.DS cs.LG stat.ML
Holey graphs: very large Betti numbers are testable
研究证明稠密图模型中常数k阶极大贝蒂数的图性质可通过常数次查询测试,通过将其简化为容错测试(k+2)-团无关性,结合欧拉特征等理论,补充了有界度模型的相关结果。
2025-02-18 cs.DM cs.DS math.CO
Testing with Non-identically Distributed Samples
Microsoft Research(微软研究院);Stanford University(斯坦福大学)
研究独立非同分布样本下的属性测试,发现当每个分布仅1个样本时需线性样本量,而$c≥2$时可恢复独立同分布的次线性样本复杂度保证。
2025-11-04 cs.DS cs.IT cs.LG