Computing Wasserstein Distance for Persistence Diagrams on a Quantum Computer
持久性图是拓扑数据分析的一个有用工具,它可以用来提供过滤拓扑空间的简洁描述。使它们在实践中更有用的是,它们带有一个度量的概念,即瓦瑟斯坦距离(与概率论中的homestone度量密切相关,但不相同)。此外,该度量提供了稳定性的概念;也就是说,输入中的小噪声在最坏的情况下会导致输出中的小差异。在本文中,我们证明了持久性图的Wasserstein距离可以通过量子退火计算。我们提供了一个制定的问题作为一个二次无约束二进制优化问题,或QUBO,并证明正确性。最后,我们测试我们的算法,探索参数选择和问题大小的能力,使用D-Wave 2000 Q量子退火计算机。
2018-11-02 cs.CG cs.ET quant-ph
Wasserstein convergence of Čech persistence diagrams for samplings of submanifolds
该研究针对子流形采样场景,证明了Čech持久图在Wasserstein距离$OT_p$下收敛的充要条件是$p>m$,改进了瓶颈稳定性定理并提出总$α$-持久性的新大数定律,为拓扑数据分析的机器学习应用相关特征映射行为提供了理论支撑。
2024-07-12 cs.CG math.PR
Sliced Wasserstein Kernel for Persistence Diagrams
持久性图在拓扑数据分析中起着重要的作用,常用于描述复杂形状的拓扑性质。PD具有很强的稳定性,并已证明其在各种学习环境中的实用性。然而,它们并不生活在一个自然具有希尔伯特结构的空间中,通常与特定的距离进行比较,例如瓶颈距离。为了将PD合并到学习流水线中,已经针对PD提出了几种内核,其中强烈强调RKHS距离w.r.t. PD的干扰。在这篇文章中,我们使用Wasserstein距离的切片Wasserstein近似SW来定义PD的新内核,它不仅是可证明稳定的,而且是可证明判别的(取决于PD中的点数)。PD之间的Wasserstein距离$d_1$。我们还证明了它的实用性,通过开发一种近似技术,以减少内核的计算时间,并表明我们的建议相比,有利的PD在几个基准现有的内核。
2017-11-09 cs.CG math.AT stat.ML
Progressive Wasserstein Barycenters of Persistence Diagrams
CNRS(法国国家科学研究中心)
本文提出了一种有效的算法,逐步逼近持久图的Wasserstein重心,并应用于集合数据的可视化分析。给定一组标量场,我们的方法使持久性图的计算,这是一组代表,并在视觉上传达的数量,数据范围和显着性的主要特征中发现的集。这样的代表图是通过计算明确的离散Wasserstein重心的持久性图,一个臭名昭著的计算密集型的任务。特别是,我们重新审视了Wasserstein距离逼近的有效算法[12,51],以扩展之前关于重心估计的工作[94]。我们提出了一种新的快速算法,它逐步逼近的重心迭代增加计算精度以及输出图中的持久功能的数量。这种渐进性大大提高了收敛在实践中,并允许设计一个可中断的算法,能够尊重计算时间的限制。这使得在交互时间内的瓦瑟斯坦重心的近似。我们提出了一个应用集成聚类,我们重新审视的k-均值算法,利用我们的重心和计算,在执行时间的限制,有意义的集群集成数据以及他们的重心图。在合成和现实生活中的数据集上进行的大量实验报告说,我们的算法收敛到对应用程序有定性意义的重心,并且在数量上与以前的技术相当,同时在运行时提供一个数量级的加速,直到收敛(没有时间限制)。我们的算法可以平凡的并行化,以提供额外的加速在标准工作站上的实践。[...]
2019-10-09 cs.CG cs.CV cs.DS
Sierpiński--Knopp Wasserstein Distance for Persistence Diagrams and Applications to 2-Wasserstein Approximation
CNRS(法国国家科学研究中心);Sorbonne Université(索邦大学)
本文提出SK-Wasserstein距离用于持久态图,其计算复杂度为O(NlogN),在实验中相比W2近似方法实现超2000倍加速,且在聚类任务中表现优于W2的平均链接划分,可兼容多种机器学习方法。
2026-09-02 cs.CG cs.LG
Wasserstein Dictionaries of Persistence Diagrams
本文提出一种基于加权Wasserstein重心的持续图字典计算框架,通过多尺度梯度下降交替优化权重与原子图,实现高效的数据压缩与降维,并在公开数据集上验证了其效率与实用性。
2023-09-15 cs.CG cs.CV cs.GR
Bottleneck Profiles and Discrete Prokhorov Metrics for Persistence Diagrams
针对持续图中Wasserstein和Bottleneck距离的缺陷,提出瓶颈剖面与离散Prokhorov度量,证明其稳定性与界限,并提供计算算法与实验验证。
2022-09-12 cs.CG math.AT
A Class of Topological Pseudodistances for Fast Comparison of Persistence Diagrams
Universidad de Chile(智利大学);UC Chile(智利大学);Department of Electrical Engineering(电气工程系)
本文提出扩展拓扑伪距离(ETD),通过可调复杂度在持久性统计与Wasserstein距离之间插值,兼顾精度与计算效率,并实验验证其优势。
2024-02-22 cs.CG cs.CV cs.LG
Robust Barycenters of Persistence Diagrams
本文提出了一种计算持久图鲁棒Wasserstein重心的方法,适用于q∈(1,2)的运输成本,用于持久图聚类和词典编码。
2026-01-21 cs.CG cs.LG
Wasserstein Auto-Encoders of Merge Trees (and Persistence Diagrams)
CNRS/Sorbonne Université(法国国家科学研究中心/索邦大学)
本文提出MT-WAE框架,将自编码器扩展到合并树的Wasserstein度量空间,实现非线性编码,并应用于压缩与降维,实验验证高效且可复现。
2023-11-09 cs.CG cs.CV cs.GR
Lifted Wasserstein Matcher for Fast and Robust Topology Tracking
Total S.A.(道达尔公司);Sorbonne Université(索邦大学);CNRS Laboratoire d’Informatique de Paris 6(法国国家科学研究中心巴黎第六大学计算机实验室)
本文提出了一种鲁棒、高效的时变标量数据拓扑特征跟踪方法。结构跟踪持久性图之间的最佳匹配的基础上,相对于Wasserstein度量。这从根本上依赖于解决分配问题,一个特殊的情况下,最佳运输,为所有连续的时间步。我们的方法依赖于两个主要贡献。首先,我们回顾了库恩和Munkres的开创性的分配算法,我们专门适应的问题,匹配持久性图在一个有效的方式。其次,我们提出了一个扩展的Wasserstein度量,显着提高了几何稳定性域嵌入持久性对的匹配。我们表明,这种几何提升具有额外的积极的副作用,提高分配矩阵的稀疏性,因此计算时间。全局框架实现了一个粗粒度的并行计算持久性图,并找到最佳匹配并行每对夫妇的连续时间步。关键轨迹的构建相关联的连续匹配的持久性对随着时间的推移。在后处理阶段,利用几何阈值检测合并和分裂事件。在真实数据集上的大量实验表明,我们的匹配方法比开创性的Munkres算法快一个数量级。此外,与现代近似方法相比,我们的方法提供了有竞争力的运行时间,同时产生精确的结果。我们证明了我们的全球框架的实用性,从各种模拟的时变数据集提取临界点轨迹,并将其与现有的方法相比较,基于相关的重叠量。经验证明了对噪声和时间分辨率下采样的鲁棒性。
2019-01-02 cs.CG cs.CV cs.GR
Geometry Helps to Compare Persistence Diagrams
利用几何结构来改善离散指派问题的渐近复杂性是一个很好的研究课题。相比之下,使用几何学解决这类问题的实际优势还没有得到探讨。我们实现几何变种的Hopcroft-卡普算法的瓶颈匹配(根据以前的工作Efrat等人)。和Bertsekas的拍卖算法的Wasserstein距离计算。这两种实现都使用k-d树来用几何邻近查询代替线性扫描。我们对这个问题的兴趣源于计算持久性图之间距离的愿望,这是拓扑数据分析中经常出现的问题。我们表明,我们的几何匹配算法导致大量的性能增益,无论是在运行时间和内存消耗,在他们的纯组合的同行。此外,我们的实现明显优于唯一的其他实现可用于比较持久性图。
2016-06-10 cs.CG
$\ell^p$-Distances on Multiparameter Persistence Modules
出于拓扑数据分析的理论和实践考虑,我们将条形码上的$p$ -Wasserstein距离推广到多参数持久性模块。对于每个$p\in [1,\infty]$,我们实际上引入了两个这样的推广$d_{\mathcal I}^p$和$d_{\mathcal M}^p$,使得$d_{\mathcal I}^\infty$等于交织距离,而$d_{\mathcal M}^\infty$等于匹配距离。我们证明了在素域上的1-或2-参数持久模上,$d_{\mathcal I}^p$是泛模(即,最大)度量满足自然稳定性性质;这扩展了Skraba和Turner在1参数情况下针对条形码上的$p$ -Wasserstein距离的稳定性定理,并且也是第二作者给出的交织距离的普适性性质的密切类似物。我们还表明,$d_{\mathcal M}^p\leq d_{\mathcal I}^p$的所有$p\in [1,\infty]$,延长观察兰迪在$p=\infty$的情况下。我们观察到,在2参数持久性模块上,可以有效地逼近$d_{\mathcal M}^p$。在即将到来的配套文件中,我们应用这些结果的一些研究($2$参数)多覆盖持续同源性的稳定性。
2021-11-11 cs.CG math.AT
On the cosine similarity and orthogonality between persistence diagrams
Universiti Kebangsaan Malaysia(马来西亚国立大学)
本文针对持久性图相似度问题,提出余弦相似度作为新指标并引入正交性概念,实验证明其比bottleneck和Wasserstein等标准距离更准确。
2025-04-06 cs.CG math.AT
Persistence B-Spline Grids: Stable Vector Representation of Persistence Diagrams Based on Data Fitting
Zhejiang University(浙江大学)
近几十年来,已经进行了许多尝试来集成机器学习(ML)和拓扑数据分析。将持久同源性应用于ML任务的一个突出问题是找到持久性图(PD)的矢量表示,持久性图是表示拓扑特征的汇总图。从数据拟合的角度出发,基于最小二乘B样条函数拟合的渐进迭代逼近技术,提出了一种稳定的矢量表示方法--持久性B样条网格(PBSG)。我们从理论上证明了PBSG方法对于定义在PD空间上的1-Wasserstein距离度量是稳定的。在合成数据集、随机生成的PD数据集、动力系统数据集和三维CAD模型上进行了测试,验证了该方法的有效性和高效性
2022-04-22 cs.CG cs.LG math.AT
Wasserstein Distances, Geodesics and Barycenters of Merge Trees
CNRS(法国国家科学研究中心);University of Paris(巴黎大学)
本文提出了一个统一的计算框架,估计的距离,测地线和重心的合并树。我们扩展了最近关于编辑距离的工作[106],并引入了一个新的度量,称为合并树之间的Wasserstein距离,该距离旨在实现测地线和重心的有效计算。具体来说,我们的新的距离是严格等价于极值持久图之间的L2-Wasserstein距离,但它被限制到一个较小的解决方案空间,即,空间的根部分同构之间的分支分解树。这使得现有的优化框架[112]从持久性图到合并树的测地线和重心的简单扩展成为可能。我们介绍了一个基于任务的算法,它可以一般地应用到距离,测地线,重心或集群计算。我们的方法基于任务的性质,使共享内存并行进一步加速。在公共集合和SciVis竞赛基准上进行的大量实验证明了我们方法的效率-最大示例的重心计算在分钟的数量级-以及其生成代表性重心合并树的定性能力,直观地总结了集合中发现的感兴趣的特征。我们展示了我们的贡献与专用的可视化应用程序的效用:特征跟踪,时间减少和集成聚类。我们提供了一个轻量级的C++实现,可用于重现我们的结果。
2021-09-20 cs.CG cs.CV cs.GR
Understanding the Topology and the Geometry of the Space of Persistence Diagrams via Optimal Partial Transport
本文通过最优部分传输将持久图空间推广为上半平面上的拉东测度空间,刻画其拓扑与几何性质,并用于研究随机持久图的统计特性。
2024-05-28 cs.CG math.GT
On Computing a Center Persistence Diagram
贯穿本文,持久性图${\cal P}$由线$Y=X$上方的平面点(每个对应于拓扑特征)的集合$P$以及线$Y=X$本身组成,即,${\cal P}=P\cup\{(x,y)|y=x\}$。给定一组持久化图${\cal P}_1,...,{\cal P}_m$,为了进行数据约简,首先计算瓶颈距离下的{ \em中心} ${\cal C}$,以总结其拓扑特征。我们考虑两个离散的版本和一个连续的版本。出于技术原因,我们首先关注当$|P_i|$都相同时的情况(即,都具有相同的大小$n$),并且问题是在瓶颈匹配距离下计算中心点集$C$。我们表明,从平面三维匹配问题的非平凡减少,这个问题是NP-困难的,即使当$m=3$图。这意味着当$P_i$可能有不同的大小时,在瓶颈距离下持久图的一般中心问题在$m\geq 3$时也是NP难的。在积极的一面,我们表明,这个问题是多项式可解的$m=2$时,并承认$m\geq 3$的因子-2近似。当$P_i$是相同大小的点集时,这些正结果对于任何$L_p$度量都成立,并且当$P_i$在$L_\infty$度量中具有不同大小时(即,中心持久性图问题)。这是在瓶颈距离下的中心持久图在多项式时间内的最佳可能,除非P = NP。所有这些结果都适用于离散版本以及连续版本;事实上,NP-硬度和近似结果也适用于连续版本的Wasserstein距离。
2020-02-10 cs.CG
Statistical topological data analysis using persistence landscapes
我们为数据定义了一个新的拓扑摘要,我们称之为持久性景观。由于该摘要位于向量空间中,因此与标准拓扑摘要相比,它很容易与统计和机器学习工具相结合。把它看作是取值于巴拿赫空间的随机变量,它服从强大数律和中心极限定理。我们展示了如何使用一些标准的统计检验来进行统计推断。我们还证明了这个总结是稳定的,它可以用来提供瓶颈和Wasserstein距离的下界。
2015-01-23 cs.CG math.AT math.MG
On the choice of weight functions for linear representations of persistence diagrams
持久性图是点云拓扑结构的有效描述符。由于它们不自然属于希尔伯特空间,因此标准统计方法无法直接应用于它们。相反,特征图(或表示)通常用于分析。我们称之为线性的一大类特征映射依赖于一些权函数,权函数的选择是一个关键问题。选择权函数的一个重要标准是确保特征映射相对于图上的Wasserstein距离的稳定性。我们改进了有关此类映射稳定性的已知结果,并将其扩展到一般的权函数。我们还通过考虑渐近设置来解决权函数的选择;假设$\mathbb{X}_n$是i.i.d.从$[0,1]^d$上的密度采样。对于Čech和Rips过滤,我们描述了权函数,相应的特征映射收敛为$n$接近无穷大,并通过这样做,我们证明了大数定律的总持久性,这样的图。这两种方法(稳定性和收敛性)导致了相同的简单启发式调整权函数:如果数据位于$d$维流形附近,那么权函数的明智选择是持久化到具有$α\geq d$的幂$α$。
2020-11-30 cs.CG math.PR
A Riemannian Framework for Statistical Analysis of Topological Persistence Diagrams
Arizona State University(亚利桑那州立大学);IBM T. J. Watson Research Center(IBM托马斯·J·沃森研究中心)
拓扑数据分析正在成为一种流行的方法来研究高维特征空间,没有任何上下文线索或假设。本文关注的是一个流行的拓扑特征,这是在数据集中的$d-$维孔的数量,也被称为贝蒂$-d$数。Betti数在不同尺度上的持久性被编码成持久性图(PD),该持久性图指示这些孔随着尺度变化的出生和死亡时间。比较PD的常见方法是通过点对点匹配,其由$n$ -Wasserstein度量给出。然而,这种方法的一个很大的缺点是需要在计算距离之前解决点之间的对应关系;对于$n$点,复杂度根据$\mathcal{O}($ n $^3)$增长。相反,我们建议使用一个全新的框架,建立在黎曼几何,模型PD的二维密度函数,表示在平方根框架上的希尔伯特球。由此产生的空间是更直观的封闭形式表达式的共同操作。距离度量是1)无对应性的,并且2)与数据集中的点的数量无关。对于$[0,1]^2$的$K \times K$离散化,计算PD之间距离的复杂度现在根据$\mathcal{O}(K^2)$而增长。这也使得使用现有的机械微分几何对统计分析的PD,如计算的平均值,测地线,分类等,我们报告的竞争结果与Wasserstein度量,在一个低得多的计算负荷,表明所提出的方法的有利性能。
2016-05-28 cs.CG cs.CV math.AT
Probabilistic Fréchet Means for Time Varying Persistence Diagrams
为了使用持久性图作为一个真正的统计工具,对一组图的均值和方差有一个好的概念是非常有用的。2011年,Mileyko和他的合作者首次研究了$(\mathcal{D}_p,W_p)$中的Fréchet平均值的性质,$(\mathcal{D}_p,W_p)$是配备了第p个Wasserstein度量的持久性图空间。特别是,他们表明,弗雷谢平均的有限集的图表总是存在的,但不一定是唯一的。一组连续变化的图表的平均值本身并不(必然)连续变化,这在试图将弗雷歇平均值定义扩展到葡萄园领域时会出现明显的问题。我们通过改变Fréchet平均值的原始定义来解决这个问题,这样它现在就变成了持久性图集合上的一个概率测度;简而言之,一组图的平均值将是原子度量的加权和,其中每个原子本身就是一个持久性图,使用输入图的扰动来确定。该定义为每个$N$给出映射$(\mathcal{D}_p)^N \to \mathbb{P}(\mathcal{D}_p)$。我们表明,这张地图是Hölder连续有限图,因此可以用来建立一个有用的统计随时间变化的持久性图,更好地称为葡萄园。
2014-11-18 cs.CG math.AT math.PR
Fast Approximation of Persistence Diagrams with Guarantees
本文给出了标量场鞍极值持续图的一种有效逼近算法。Vidal等人最近介绍了一种用于这种近似的快速算法(通过中断渐进计算框架)。然而,没有理论上的保证,其近似质量。在这项工作中,我们重新审视了维达尔等人的渐进式框架。我们引入了一种新的近似算法,与用户控制的近似误差,特别是在瓶颈距离的精确解。我们的方法是基于一个分层表示的输入数据,并依赖于局部简化的标量场,以加速计算,同时保持一个控制的输出误差的范围。由于共享内存并行,我们的方法的局部性可以进一步加速。在现实生活中的数据集上进行的实验表明,对于温和的容错性(5%的相对瓶颈距离),与标准,精确,公开可用的实现相比,我们的方法平均将运行时性能提高了18%(在大型,嘈杂的数据集上高达48%)。除了强有力的保证其近似误差,我们表明,我们的算法还提供了在实践中的输出,平均5倍更准确(在L2-Wasserstein距离方面)比一个天真的近似基线。我们说明了我们的交互式数据探索的方法的实用性,我们的文件可视化策略传达我们的近似值的不确定性。
2021-08-12 cs.CG cs.GR
A Topological Distance between Multi-fields based on Multi-Dimensional Persistence Diagrams
本文提出基于多维Reeb图和持续图计算多场拓扑距离的新方法,证明了其伪度量性质和稳定性,并在形状检索和化学键检测中验证了优于传统Reeb图方法的辨别力。
2023-09-09 cs.CG cs.GR
Cycle Registration in Persistent Homology with Applications in Topological Bootstrap
Technion - Israel Institute of Technology(以色列理工学院)
在这篇文章中,我们提出了一种新的方法比较持久的同源表示的两个空间(过滤)。常用的方法是基于数值总结,如持久性图和持久性景观,以及适当的度量(例如Wasserstein)。这些总结对于计算目的是有用的,但它们仅仅是持久同源性所能提供的实际拓扑信息的边缘。相反,我们的方法直接在数据空间中比较两个拓扑表示。我们这样做是通过定义两个不同空间的各个持久循环之间的对应关系,并设计一种方法来计算这种对应关系。我们的匹配周期是基于持久性间隔和空间放置的每个功能。我们展示了我们的新框架的拓扑推理的背景下,我们使用统计引导方法,以区分点云数据中的真实特征和噪声。
2021-01-03 cs.CG cs.LG math.AT
Instability of the Betti Sequence for Persistent Homology and a Stabilized Version of the Betti Sequence
拓扑数据分析(TDA)是一个相对较新的数据分析领域,已被证明在各种应用中非常有用。TDA的主要持久化工具是持久化同源性,其中在许多尺度上检查数据结构。持久同源性的表示包括持久性条形码和持久性图,这两者都不容易与传统的机器学习算法相协调,因为它们是间隔集或多集。忠实地表示条形码和持久图的问题一直沿着两个主要途径进行:内核方法和矢量化。一种矢量化是从持久性条形码导出的Betti序列或Betti曲线。虽然贝蒂序列已被用于各种应用中的分类问题,但据我们所知,序列的稳定性以前从未被讨论过。在本文中,我们表明,贝蒂序列是不稳定的1-Wasserstein度量方面的小扰动的条形码从它的计算。此外,我们提出了一种新的稳定版本的贝蒂序列的基础上看到的高斯平滑的稳定持久性袋字持久同源性。然后,我们介绍了规范化的累积贝蒂序列,并提供数值例子,支持的主要声明的文件。
2021-09-19 cs.CG cs.NA math.AT
Principal Geodesic Analysis of Merge Trees (and Persistence Diagrams)
CNRS(法国国家科学研究中心);Sorbonne Université(索邦大学)
本文提出了一种用于合并树的主测地线分析(MT-PGA)的计算框架,这是着名的主成分分析(PCA)框架[87]对合并树的Wasserstein度量空间[92]的新适应。我们制定MT-PGA计算作为一个约束优化问题,旨在调整正交测地线轴的基础,同时最大限度地减少拟合能量。我们引入了一个有效的,迭代算法,利用共享内存并行,以及拟合能量梯度的解析表达式,以确保快速迭代。我们的方法也平凡地扩展到极值持久性图。在公共集合上进行的大量实验证明了我们方法的有效性-对于最大的例子,MT-PGA计算在几分钟的数量级。我们通过扩展到合并树两个典型的PCA应用程序,我们的贡献的效用。首先,我们应用MT-PGA的数据减少和可靠的压缩合并树,通过简洁地表示它们的第一个坐标在MT-PGA的基础。其次,我们提出了一个降维框架,利用前两个方向的MT-PGA的基础上产生的合奏的二维布局。我们增加这些布局与持久性相关的意见,使全球和本地视觉检查的功能变化的合奏。在这两个应用程序中,定量实验评估我们的框架的相关性。最后,我们提供了一个C++实现,可用于重现我们的结果。
2022-12-02 cs.CG cs.CV cs.GR
Stable Vectorization of Persistent Laplacians via Spectral Descriptors
Boston University(波士顿大学);Pennsylvania State University(宾夕法尼亚州立大学)
本文提出持久拉普拉斯图和图像,通过将持久拉普拉斯转化为实值签名,实现对持久同调信息的稳定向量化,能区分PH无法区分的图结构。
2026-08-12 cs.CG math.AT
Topological Analysis of Ensembles of Hydrodynamic Turbulent Flows -- An Experimental Study
CEA(法国原子能和替代能源委员会);University of Bordeaux(波尔多大学);Bordeaux INP(波尔多国立理工学院);Sorbonne Université(索邦大学);CNRS(法国国家科学研究中心)
这篇应用论文提出了一个全面的实验评价拓扑数据分析(TDA)的适用性的定量比较的湍流。具体来说,我们的研究文件的持久性图的最大值的流拟能(一个既定的涡度指标)的使用,拓扑表示的180个合奏成员,产生的五个数值求解器的参数空间的粗采样。我们记录了领域专家报告的五个主要假设,描述了他们对不同求解器配置所产生的流量变化的期望。我们贡献了三个评估协议,以评估上述假设的验证,通过两个比较措施:(i)在科学成像中使用的标准距离(L2范数)和(ii)持久性图之间建立的拓扑距离(L2-Wasserstein度量)。广泛的实验上的输入合奏的拓扑距离(ii)的优越性,以报告为彼此接近的流量,预计是相似的领域专家,由于他们的涡流的配置。总的来说,我们的研究报告的见解带来了TDA的适用性的实验证据表示和比较湍流,从而提供给流体动力学社区的信心,其在未来的工作中使用。此外,我们的流量数据和评估协议提供给TDA社区的应用程序批准的基准,进一步的拓扑距离的评估和设计。
2022-07-28 cs.CG cs.CV cs.GR
The Christoffel-Darboux kernel for topological data analysis
在$\mathbb{R}^n$中点云拓扑结构的研究中,持久同源性被广泛应用。标准方法对异常值非常敏感,并且它们的计算复杂性严重依赖于数据点的数量。在本文中,我们介绍了一种新的持久性模块的点云使用的Christoffel-Darboux内核的理论。该模块对数据中的(统计)异常值具有鲁棒性,并且可以在数据点数量的时间线性中计算。我们用$\mathbb{R}^n$中的各种数值例子来说明我们的新模块的优点和局限性,对于$n=1, 2, 3$。我们的工作扩展了Christoffel-Darboux内核在统计数据分析和几何推理方面的最新应用(Lasserre,Pauwels和Putinar,2022)。在那里,这些内核被用来构造一个多项式,其水平集以精确的方式捕获点云的几何形状。我们表明,持久的同源性相关联的子水平集过滤这个多项式是稳定的Wasserstein距离。此外,我们证明了这种过滤的持久同调可以在环境维$n$中以单指数时间计算,使用Basu & Karisani(2022)的最新算法。
2022-11-28 cs.CG math.AT math.OC
RipsNet: a general architecture for fast and robust estimation of the persistent homology of point clouds
Université Côte d’Azur(蔚蓝海岸大学);Inria(法国国家信息与自动化研究所);Université Paris-Saclay(巴黎萨克雷大学);CNRS(法国国家科学研究中心);Laboratoire de Mathématiques d’Orsay(奥赛数学实验室);LIGM(几何与模型化实验室);Université Gustave Eiffel(古斯塔夫·埃菲尔大学);The University of Tokyo(东京大学);Fujitsu Limited(富士通有限公司)
拓扑描述符在现代机器学习应用中的使用,例如由拓扑数据分析(TDA)产生的持久性图(PD),已经在各个领域显示出巨大的潜力。然而,它们在应用中的实际使用通常受到两个主要限制的阻碍:精确计算这些描述符所需的计算复杂性,以及它们对甚至低水平比例的离群值的敏感性。在这项工作中,我们建议绕过这两个负担,在数据驱动的设置委托(矢量化)PD的估计建立在点云之上的神经网络架构,我们称之为RipsNet。一旦在给定的数据集上训练,RipsNet可以非常有效地估计测试数据上的拓扑描述符,并具有泛化能力。此外,我们证明了RipsNet在1-Wasserstein距离方面对输入扰动具有鲁棒性,这是对仅具有Hausdorff稳定性的PD的标准计算的重大改进,使RipsNet在噪声环境中大大优于精确计算的PD。我们展示了RipsNet在合成数据和真实数据上的使用。我们的开源实现可在https://github.com/hensel-f/ripsnet上公开获得,并将包含在Gudhi库中。
2022-02-04 cs.CG cs.LG