Sublinear Algorithms for Estimating the Number of Hyperedges in Arbitrary Hypergraphs
Dartmouth(达特茅斯学院);University of California, Santa Cruz(加州大学圣克鲁兹分校)
针对任意超图中超边数量估计问题,提出对偶访问模型下的随机次线性算法,获(1+ε)近似且查询复杂度为O(ε⁻²√n + √n log n),并证明其下界为Ω(√n)。
2026-08-24 cs.DS
Sublinear Algorithms and Lower Bounds for Metric TSP Cost Estimation
我们考虑的问题,设计次线性时间算法估计成本的最小度量旅行商(TSP)旅游。具体地,给定对指定$n$点之间的成对距离的$n \times n$距离矩阵$D$的访问,目标是通过仅执行次线性(以$D$的大小)查询来估计TSP成本。对于估计度量最小生成树(MST)的权重的密切相关的问题,已知对于任何$\varepsilon > 0$,存在返回MST成本的$(1 + \varepsilon)$近似估计的$\tilde{O}(n/\varepsilon^{O(1)})$时间算法。该结果立即暗示了$\tilde{O}(n/\varepsilon^{O(1)})$时间算法,以将TSP成本估计到任何$\varepsilon > 0$的$(2 + \varepsilon)$因子内。然而,没有$o(n^2)$时间算法是已知的近似度量TSP的一个因素,严格优于$2$。另一方面,也没有已知的障碍,排除存在的$(1 + \varepsilon)$ -近似估计算法的度量TSP与$\tilde{O}(n)$时间为任何固定的$\varepsilon > 0$。在本文中,我们取得了进展的算法和下界估计度量TSP成本。我们还表明,估计度量TSP成本的问题是密切相关的问题,估计在一个图中的最大匹配的大小。
2020-06-09 cs.DS
Privately Estimating a Gaussian: Efficient, Robust and Optimal
本文针对纯差分隐私和近似差分隐私两种模型,提出了估计高斯分布的高效算法,在样本复杂度上达到对维度的最优依赖,并同时具备对抗离群点鲁棒性。
2023-06-01 cs.CR cs.DS cs.IT
Littlestone Classes are Privately Online Learnable
Tel Aviv University(特拉维夫大学)
我们考虑隐私约束下的在线分类问题。在该设置中,学习器顺序地观察标记的示例$(x_t, y_t)$的流,用于$1 \leq t \leq T$,并且在每次迭代$t$处返回假设$h_t$,该假设用于预测每个新示例$x_t$的标记。学习者的表现是通过她对一个已知的假设类$\mathcal{H}$的后悔来衡量的。我们要求算法满足以下隐私约束:由算法输出的假设序列$h_1, \ldots, h_T$需要是整个输入序列$(x_1, y_1), \ldots, (x_T, y_T)$的$(ε, δ)$ -差分私有函数。我们提供了第一个非平凡的遗憾的可实现的设置。具体来说,我们表明,如果类$\mathcal{H}$具有恒定的Littlestone维数,然后,给定一个不经意的序列标记的例子,有一个私人的学习者,使预期最多$O(\log T)$错误-在非私人的情况下,最佳的错误界相比,对数因子。此外,对于Littlestone维数$d$的一般值,相同的错误界成立,但$d$因子具有双指数。最近的一项工作表明,在线学习的课程和差异化私人学习的课程之间存在着很强的联系。我们的研究结果加强了这种联系,并表明在线学习算法实际上可以直接私有化(在可实现的设置中)。我们还讨论了自适应设置,并提供了一个次线性遗憾界的$O(\sqrt{T})$。
2021-06-25 cs.CR cs.DS cs.LG
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
Asymptotically Optimal Bounds for Estimating H-Index in Sublinear Time with Applications to Subgraph Counting
$h$指数是一种用于衡量用户在出版物环境中的影响力的指标,例如具有许多高度喜欢的帖子的社交网络成员或具有许多高引用出版物的学术领域的研究人员。具体地,用户的$h$索引是最大整数$h$,使得用户的至少$h$发布具有至少$h$单位的正反馈。我们设计了一个算法,给定查询访问用户的$n$出版物和每个出版物的相应的正反馈数,输出一个$(1\pm \varepsilon)$近似的$h$ -索引的这个用户的概率至少$1-δ$在时间\[ O(\frac{n \cdot \ln{(1/δ)}}{\varepsilon^2 \cdot h}), \],其中$h$是实际的$h$ -索引,这是未知的算法先验。然后,我们设计了一个新的下界技术,使我们能够证明,这个界限实际上是渐近最优的这个问题的所有参数$n,h,\varepsilon,$和$δ$。我们的工作是第一次在次线性时间算法,解决获得渐近最优的界限,特别是在误差和置信参数。因此,我们专注于为这项任务设计新的技术。特别是,我们的下界技术似乎相当普遍-为了展示这一点,我们还使用我们的方法来证明一个渐近最佳下界的问题,估计在一个图中的三角形的数量在次线性时间,现在也是最佳的误差和置信度参数。这个结果改进了Eden,Levi,Ron和Seshadhri(FOCS'15)对这个问题的下界,以及将这个下界扩展到其他子图计数问题的多个后续行动。
2022-09-16 cs.DS
A 0.51-Approximation of Maximum Matching in Sublinear $n^{1.5}$ Time
研究次线性时间内估计最大匹配大小的问题,提出运行时间为 $\tilde{O}(n\sqrt{n})$ 的 $0.5109$-近似算法,在保证效率的同时显著提升了近似比且方法更简单。
2025-06-02 cs.DS
Fast-MWEM: Private Data Release in Sublinear Time
Boston University(波士顿大学)
快速-MWEM通过子线性时间复杂度改进隐私数据发布和线性规划的效率。
2026-02-03 cs.DS cs.LG
Sublinear Estimation of Weighted Matchings in Dynamic Data Streams
本文提出了一种通过扩充任意一个未加权匹配大小的估计程序来估计最大加权匹配的权值的算法。该算法可在包括动态图流在内的任何流模型中实现。我们还给出了平面图(或任何有界荫度的图)的动态图流中的最大匹配大小的第一个常数估计使用$\tilde{O}(n^{4/5})$空间,也扩展到加权匹配。利用Kapralov,Khanna和Sudan(2014)的先前结果,我们分别获得了随机顺序流中使用$\mathrm{polylog}(n)$空间的一般图的$\mathrm{polylog}(n)$近似。此外,我们给出了一个空间下界的$Ω(n^{1-\varepsilon})$的任何随机算法估计的最大匹配的大小为一个$1+O(\varepsilon)$因素的对抗流。
2015-07-09 cs.DS
Anonymized Histograms in Intermediate Privacy Models
Google Research(谷歌研究院)
我们研究的问题,私人计算匿名直方图(a.k.a. unattributed histogram),它被定义为没有项目标签的直方图。先前的工作提供了具有$\ell_1$和$\ell_2^2$错误的算法,其中$O_\varepsilon(\sqrt{n})$在差分隐私(DP)的中心模型中存在错误。在这项工作中,我们提供了一个几乎匹配的错误保证$\tilde{O}_\varepsilon(\sqrt{n})$在洗牌DP和泛私人模型的算法。我们的算法非常简单:它只是对离散拉普拉斯噪声直方图进行后处理!使用该算法作为一个子程序,我们显示在私人估计对称属性的分布,如熵,支持覆盖,支持大小的应用。
2022-10-27 cs.CR cs.DS cs.LG
Sublinear Metric Steiner Forest via Maximal Independent Set
Microsoft Research(微软研究院);Stanford University(斯坦福大学);Virginia Tech(弗吉尼亚理工大学)
研究次线性时间模型下的度量Steiner Forest问题,提出运行时间为 $\widetilde{O}(n^{3/2})$ 的 $O(\log k)$-近似算法,并首次给出估计极大独立集大小的次线性时间算法。
2025-10-13 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
On Solving Asymmetric Diagonally Dominant Linear Systems in Sublinear Time
Shanghai University of Finance and Economics(上海财经大学);Renmin University of China(中国人民大学)
本文提出在亚线性时间内求解非对称对角占优线性系统的方法,通过Neumann级数和最大 $p$-范数间隙分析,改进了局部近似技术,并统一了图上随机游走概率估计方法。
2026-01-25 cs.DS
Metric Sublinear Algorithms via Linear Sampling
在这项工作中,我们提供了一种新的技术来设计快速的近似算法的图形问题的点位于度量空间。具体来说,我们提出了一个采样方法,这样的度量图,使用一个次线性数量的边缘权重查询,提供了一个{ \em线性采样},其中每个边缘(粗略地说)采样成比例的重量。对于几个自然的问题,如densorable子图和最大割等,我们表明,通过稀疏化的图使用这种采样过程,我们可以运行一个合适的近似算法的稀疏化的图和结果仍然是一个很好的近似原问题。我们的结果有几个有趣的含义,如提供了一个度量空间中的denial子图的第一次次线性时间近似算法,并改善估计平均距离的运行时间。
2018-07-24 cs.DS
Beating Greedy Matching in Sublinear Time
我们研究了估计图中最大匹配大小的次线性时间算法。我们的主要结果是一个$(\frac{1}{2}+Ω(1))$ -近似算法,它可以在$O(n^{1+ε})$时间,其中$n$是顶点的数量和常数$ε> 0$可以任意小。该问题最著名的下限是$Ω(n)$,它适用于任何常数近似。现有算法要么获得$\frac{1}{2}$ -近似的贪婪界[Behnezhad FOCS'21],要么需要对在$o(n^2)$ -时间中运行的最大程度进行一些假设[Yoshida,Yamamoto,and Ito STOC'09]。我们通过设计一个不那么“自适应”的增强算法来改进这些算法,以实现可能具有独立兴趣的最大匹配。
2022-06-27 cs.DS
Faster Sublinear Maximal Independent Set Size
University of Vienna(维也纳大学);University of Warwick(华威大学)
本文提出一种次线性时间算法估计最大独立集大小,将运行时间从$\ ilde{O}(n^{1+1/2})$改进至$\ ilde{O}(n^{1+1/3})$,并由此改进次线性度量斯坦纳森林,同时将$k$-中心双准则估计归约到该问题。
2026-10-05 cs.DS
Sublinear Algorithms and Lower Bounds for Estimating MST and TSP Cost in General Metrics
该研究针对一般度量下MST与TSP代价估计问题,在亚线性空间、半流及查询复杂度三种场景下分别给出近似算法及对应空间/查询下界,完善了相关问题的复杂度理论边界。
2023-05-03 cs.DS
Sublinear Algorithms for Estimating Single-Linkage Clustering Costs
University of Science and Technology of China(中国科学技术大学);University of Cologne(科隆大学)
针对单链接聚类成本轮廓,提出基于采样的次线性算法,以O~(d√W/ε^3)时间输出草图,实现ℓ1误差ε·cost(G)的近似,并证明近乎匹配的查询下界。
2026-10-30 cs.DS
A Simple Sublinear Algorithm for Gap Edit Distance
研究了两个$n$字符串之间编辑距离的估计问题。虽然在最坏情况下的精确计算被认为需要接近二次时间,但以前的工作表明,在某些制度下,可以在次线性时间内解决以下{ \em间隙编辑距离}问题:区分距离$\le k$和$>k^2$的输入。我们的主要结果是一个非常简单的算法,这个基准,运行在时间$\tilde O(n/\sqrt{k})$,特别是解决了开放的问题,获得一个真正的次线性时间为整个范围内的相关$k$。基于相同的框架,我们还获得了具有$\tilde O(n)$预处理时间和$\tilde O(n/k)$查询时间的单侧预处理模型的$k$ -vs- $k^2$算法(改进了最近针对相同问题的$\tilde O(n/k+k^2)$ -查询时间算法[GRS'20])。
2020-07-28 cs.DS
Sublinear Time Algorithms for Earth Mover's Distance
我们研究的问题估计地球移动器的距离(EMD)之间的概率分布时,只访问样本。我们给封闭性测试和添加剂误差估计域在$[0, Δ]^d$,与样本的复杂性独立的域大小允许的可测性,甚至连续分布在无限域。相反,我们的算法依赖于其他参数,如域空间的直径,这可能是显着更小。我们还证明了下界显示这些参数的依赖关系是本质上最优的。此外,我们考虑是否存在自然类的分布,有更好的依赖于尺寸的算法,并表明,高度可聚类的数据,这确实是这样的。最后,我们考虑一个变种的EMD,定义在树度量,而不是通常的L1度量,并给出最佳算法。
2009-04-02 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
How to Find a Point in the Convex Hull Privately
Tel Aviv University(特拉维夫大学);Google(谷歌);Ben-Gurion University(本-古里安大学)
我们研究的问题,如何计算一个点的凸包的输入集$S$的$n$点在${\mathbb R}^d$在不同的私人方式。这个问题,这是微不足道的非私人,原来是相当深刻的实施差异隐私。特别地,已知输入点必须驻留在固定的有限子集$G\subseteq{\mathbb R}^d$上,并且此外,$S$的大小必须随着$G$的大小而增长。以前的工作集中在理解$n$如何需要与$|G|$一起增长,并表明$n=O\left(d^{2.5}\cdot8^{\log^*|G|}\right)$就足够了(因此$n$不必与$|G|$一起显著增长)。然而,可用的构造表现出至少$|G|^{d^2}$的运行时间,其中对于某个(大的)离散化参数$X$,通常是$|G|=X^d$,因此运行时间实际上是$Ω(X^{d^3})$。在本文中,我们给出了一个差分隐私算法,运行在$O(n^d)$时间,假设$n=Ω(d^4\log X)$。为了得到这个结果,我们研究和利用Tukey能级(区域$D_{\ge k}$由Tukey深度至少为$k$的点组成,对于$k=0,1,...$)的一些结构性质。特别是,我们推导出下界的点集$S$在一般的位置,并制定了一个相当微妙的机制,处理点集$S$在退化的位置(深Tukey地区的体积为零)。构建Tukey区域的简单方法需要$n^{O(d^2)}$时间。为了降低$O(n^d)$的成本,我们使用一种近似方案来估…
2020-03-30 cs.CG cs.CR cs.DS
A Sublinear-Time Quantum Algorithm for Approximating Partition Functions
我们提出了一种新的量子算法估计吉布斯配分函数在次线性时间相对于对数的状态空间的大小。这是第一次在Štefankovi,Vempala和Vigoda [JACM,2009]的开创性近线性时间算法上获得这种类型的加速。我们的结果也保留了二次加速精度和频谱间隙在以前的工作中取得的利用量子马尔可夫链的性质。作为一个应用程序,我们获得了新的多项式改进的最知名的算法计算的伊辛模型的配分函数,计数的$k$ -着色,匹配或独立集的一个图形,并估计凸体的体积。我们的方法依赖于开发量子相位和幅度估计算法的新变体,这些算法返回具有低方差的几乎无偏的估计,并且不破坏它们的初始量子态。我们将这些子程序扩展到一个几乎无偏的量子平均估计,减少方差平方比经典的经验平均更快。在我们的工作之前,没有这样的估计器。这些属性,这是普遍感兴趣的,导致更好的收敛保证内的范例模拟退火计算配分函数。
2023-01-07 cs.CC cs.DS math.ST
Time-Optimal Sublinear Algorithms for Matching and Vertex Cover
研究了次线性时间下最大匹配和最小顶点覆盖的大小估计问题。用$n$表示顶点数,用$\bar{d}$表示图中的平均度,我们对这两个问题得到了以下结果:* 一个乘法$(2+ε)$ -近似,使用邻接表查询需要$\tilde{O}(n/ε^2)$时间。* 使用邻接表查询在$\tilde{O}((\bar{d} + 1)/ε^2)$时间上的乘加$(2, εn)$近似。* 使用邻接矩阵查询在$\tilde{O}(n/ε^{3})$时间中的乘加$(2, εn)$近似。所有这三个结果是可证明的时间最优的多项式因子最终在这些问题上的一长串工作。我们的主要贡献和导致上述界限的关键成分是随机贪婪最大匹配算法的平均查询复杂性的一个新的和接近紧密的分析,它改进了吉田,山本和伊藤[STOC'09]的开创性结果。
2022-03-02 cs.DC cs.DS
How to Make Your Approximation Algorithm Private: A Black-Box Differentially-Private Transformation for Tunable Approximation Algorithms of Functions with Low Sensitivity
提出一种黑盒框架,利用平滑敏感度技术将低敏感度函数的可调近似算法转换为差分隐私变体,在不牺牲精度的前提下,为图论、流式及滑动窗口算法提供了首批隐私保护方案。
2023-09-11 cs.CR cs.DS
Fully Dynamic Euclidean Bi-Chromatic Matching in Sublinear Update Time
针对动态欧几里得双色匹配问题,提出首个亚线性更新时间的完全动态算法,实现 $O(1/\varepsilon)$ 近似并显著加速 Wasserstein 距离分布漂移监测。
2025-05-13 cs.DS
Improved Sublinear Algorithms for Maximal Independent Set and Metric Steiner Forest
Microsoft Research(微软研究院)
本文提出改进的次线性算法,分别以 $\tO(n^{4/3}/\epsilon^2)$ 和 $\tO(n)$ 查询复杂度估计最大独立集大小和度量斯坦纳森林成本,优于先前工作。
2026-10-06 cs.DS
On Differentially Private Subspace Estimation in a Distribution-Free Setting
Georgetown University(乔治城大学)
本文研究差分隐私子空间估计的样本复杂度,提出以乘性奇异值间隙刻画实例“容易程度”的新度量,给出与维度无关估计的充分必要间隙类型及上下界,并用实用算法验证高维优势。
2024-10-25 cs.CR cs.DS cs.LG
Bounded Space Differentially Private Quantiles
估计大数据集的分位数是流算法文献和差分隐私文献中的基本问题。然而,所有现有的用于分布无关分位数计算的私有机制都需要输入大小$n$中至少线性的空间。在这项工作中,我们设计了一个差分隐私算法的分位数估计问题,具有强次线性空间复杂度,在一次和连续观察设置。我们的基本机制估计任何$α$ -近似分位数的长度$n$流在数据宇宙$\mathcal{X}$概率$1-β$使用$O\left( \frac{\log (|\mathcal{X}|/β) \log (αεn)}{αε} \right)$空间,同时满足$ε$ -差分隐私在一个单一的时间点。我们的方法建立在确定性流算法的非私人分位数估计实例化的指数机制,使用的效用函数定义的草图项目,而(私人)从定义的间隔采样的草图。我们还提出了另一种算法的基础上直方图,特别适合于多个分位数的情况下。我们实现了我们的算法,并在合成和真实世界的数据集上进行了实验评估。
2022-01-10 cs.CR cs.DB cs.DS
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
Sublinear Algorithms for $(1.5+ε)$-Approximate Matching
针对次线性时间估计最大匹配大小的开放问题,本文提出计算 EDCS 变体的新方法,在 $n^{2-Θ(ε^{2})}$ 时间内获得 $(1.5+ε)$-近似。
2023-04-26 cs.DS
Approximately Counting Triangles in Sublinear Time
我们考虑的问题估计的三角形的数量在一个图。这个问题已经在理论和实践中得到了广泛的研究,但所有现有的算法都读取整个图。在这项工作中,我们设计了一个{ \em次线性时间\/}算法近似图中的三角形的数量,该算法被赋予查询访问图。允许的查询是度查询、顶点对查询和邻居查询。我们表明,对于任何给定的近似参数$0<ε<1$,该算法提供了一个估计$\widehat{t}$,使具有高的恒定概率,$(1-ε)\cdot t< \widehat{t}<(1+ε)\cdot t$,其中$t$是图$G$中的三角形的数量。该算法的预期查询复杂度为$\!\left(\frac{n}{t^{1/3}} + \min\left\{m, \frac{m^{3/2}}{t}\right\}\right)\cdot {\rm poly}(\log n, 1/ε)$,其中$n$是图中的顶点数,$m$是图中的边数,预期运行时间为$\!\left(\frac{n}{t^{1/3}} + \frac{m^{3/2}}{t}\right)\cdot {\rm poly}(\log n, 1/ε)$。我们还证明了$Ω\!\left(\frac{n}{t^{1/3}} + \min\left\{m, \frac{m^{3/2}}{t}\right\}\right)$查询是必要的,从而建立该算法的查询复杂性是最佳的$n$(和依赖于$1/…
2015-09-22 cs.DS
Sublinear-Time Algorithms for Monomer-Dimer Systems on Bounded Degree Graphs
对于图$G$,令$Z(G,λ)$是由$\sum_k m_k(G)λ^k$定义的单体-二聚体系统的配分函数,其中$m_k(G)$是$G$中大小为$k$的匹配数。我们考虑有界度的图,并开发了一个次线性时间算法估计$\log Z(G,λ)$在任意值$λ>0$内添加剂误差$εn$具有高概率。该算法的查询复杂度不依赖于$G$的大小,在$1/ε$中是多项式的,并给出了该问题在$1/ε$中的二次下界.这是第一次分析一个$# P$-完全问题的次线性时间近似算法。我们的方法是基于与$Z(G,λ)$相关的吉布斯分布的相关衰减。我们表明,我们的算法近似的概率顶点被覆盖的匹配,根据吉布斯分布采样,在一个接近最佳的次线性时间。我们扩展我们的结果,以近似的平均大小和熵的这样一个匹配的添加剂内的错误与高概率,再次查询的复杂性是多项式在$1/ε$和下限是二次在$1/ε$。我们的算法实现简单,在处理海量数据集时具有实用价值。我们的研究结果扩展到其他系统的相关性衰减是已知的独立设置问题的关键活动举行。
2013-09-04 cs.DM cs.DS math.PR
Average-Case Averages: Private Algorithms for Smooth Sensitivity and Mean Estimation
保证差分隐私的最简单和最广泛应用的方法是向感兴趣的统计量添加与实例无关的噪声,该统计量被缩放到其全局灵敏度。然而,全局敏感性是一个最坏情况的概念,对于已实现的数据集实例来说往往过于保守。我们提供的方法缩放噪声在一个实例相关的方式,并证明他们提供更高的精度下平均情况下的分布假设。具体地说,我们考虑的基本问题私人估计的平均值的实际分布从i.i.d.~样品标准的经验均值估计可以具有任意高的全局灵敏度。我们提出了修剪均值估计,它插值之间的平均值和中位数,作为一种方法,平均获得低得多的灵敏度,而损失很少的统计精度。为了私下估计修剪均值,我们重新审视了Nissim,Raskhodnova和Smith(STOC 2007)的平滑灵敏度框架,该框架为使用实例依赖灵敏度提供了一个框架。我们提出了三个新的加性噪声分布,提供集中的差分隐私时,缩放到平滑的灵敏度。我们提供的理论和实验证据表明,我们的噪声分布比较有利的文献中的其他人,特别是当应用于均值估计问题。
2019-06-06 cs.CR cs.DS math.ST
Private Decayed Sum Estimation under Continual Observation
在监控应用中,最近的数据比遥远的数据更重要。这如何影响数据分析的隐私?我们研究了一类通用的数据分析-计算谓词和-隐私。形式上,我们研究的问题估计谓词和{ \em私人},滑动窗口(和其他著名的衰减模型的数据,即指数和多项式衰减)。我们扩展了Dwork等人最近提出的连续隐私模型。我们提出了衰减和的算法,这些算法是$\eps$ -差分隐私的,并且是准确的。对于窗口和指数衰减和,我们的算法是准确的添加剂$1/\eps$和polylog项的范围内的计算函数;多项式衰减和技术上更具挑战性,因为部分解决方案不容易组成,我们的算法会产生额外的相对误差。此外,我们展示了下界,紧内polylog因素和紧相对于错误的概率的依赖。
2012-03-03 cs.CR cs.DS
Private Graph Property Testing
Google Research(谷歌研究院);The University of Sydney(悉尼大学);Max Planck Institute for Security and Privacy(马克斯·普朗克安全与隐私研究所)
本研究系统研究差分隐私图性质测试,为多种图抽样过程开发隐私放大定理,并设计稠密与有界度图模型中的私有测试器,证明超有限图性质可私有测试,查询复杂度与非私有相当。
2026-09-15 cs.CR cs.DS
Sublinear-Time Algorithms for Counting Star Subgraphs with Applications to Join Selectivity Estimation
我们研究的问题估计值的形式$S_p \triangleq \sum \binom{x_i}{p}$的总和时,一个有能力的样本$x_i \geq 0$与概率成比例的幅度。当$p=2$,这个问题相当于估计选择性的数据库系统中的自连接查询时,可以随机抽样行。我们还研究了$\{x_i\}$是图的度序列时的特殊情况,这对应于当一个图有能力随机采样边缘时,计算图中$p$ -星的数量。我们的算法的$(1 \pm \varepsilon)$ -乘近似的$S_p$查询和时间复杂度$Ø(\frac{m \log \log n}{ε^2 S_p^{1/p}})$。这里,$m=\sum x_i/2$是图中的边数,或者等价地,是数据库表中记录数的一半。类似地,$n$是图中的顶点数和数据库表中唯一值的数量。我们还提供了严格的下限(多对数因子)在几乎所有情况下,即使$\{x_i\}$是一个度序列,并允许使用图的结构,试图得到一个更好的估计。我们不知道任何先前的下限问题的连接选择性估计。对于图的问题,以前的工作,假设采样能力只有\emph{vertices}一致给出了算法与匹配的下限[戈恩,罗恩,和沙维特。\textit{SIAM J. Comput.},25(2011),pp. 1365-1411]。与随机采样边缘的能力,我们表明,可以实现更快的算法近似的星星子图的数量,绕过在此之前的工作的下限。例如,在$S_…
2016-01-17 cs.DS
Polynomial Time and Private Learning of Unbounded Gaussian Mixture Models
McMaster University(麦克马斯特大学);Google(谷歌)
本文提出将 GMM 隐私参数估计归约为非隐私学习的黑盒私有化框架,基于 [MV10] 给出无参数有界性假设下的首个多项式时间差分隐私 GMM 学习算法及样本复杂度上界。
2023-06-07 cs.CR cs.DS cs.IT
Distance Estimation Between Unknown Matrices Using Sublinear Projections on Hamming Cube
使用几何技术,如投影和降维,我们证明了存在一个随机次线性时间算法,可以估计两个矩阵之间的汉明距离。考虑大小为$n \times n$的两个矩阵${\bf A}$和${\bf B}$,其维度对于算法是已知的,但条目是未知的。矩阵的元素是实数。对任何矩阵的访问都是通过一个oracle来实现的,该oracle计算矩阵的行(或列)在$\{0,1\}^n$中的向量上的投影。我们将此查询oracle称为{ \sc内积} oracle(简称为{ \sc IP})。我们表明,我们的算法返回一个$(1\pm ε)$近似${\bf D}_{\bf M} ({\bf A},{\bf B})$的概率很高,通过${\cal O}\left(\frac{n}{\sqrt{{\bf D}_{\bf M} ({\bf A},{\bf B})}}\mbox{poly}\left(\log n, \frac{1}ε\right)\right)$ Oracle查询,其中${\bf D}_{\bf M} ({\bf A},{\bf B})$表示汉明距离(相应的条目中,${\bf A}$和${\bf B}$不同的数量)之间的两个矩阵${\bf A}$和${\bf B}$的大小$n \times n$。我们还显示了一个匹配的下限,这样的{ \sc IP}查询所需的数量。虽然我们的主要结果是估计${\bf D}_{\bf M}…
2021-07-06 cs.DS
Estimating Correlation Clustering Cost in Node-Arrival Stream
Indiana University(印第安纳大学)
本文研究了节点到达流模型中的相关聚类问题,提出C$^4$Approx算法,在子线性空间和常数遍历次数下近似计算相关聚类成本,并通过实验验证其在稀疏图上的性能。
2026-05-08 cs.DS
On Estimating Degree Distribution in Streaming and Query Models
Indian Statistical Institute(印度统计研究所);Institute of Mathematical Sciences(数学科学研究所)
针对ccdh近似问题复杂度未知的开放问题,设计了不依赖亚线性模型的ccdh近似算法,证明流式与查询模型可高效获取所需样本,还首次建立两类模型的下界,几乎确定了问题复杂度。
2026-10-12 cs.DS cs.SI
Spectral Clustering Oracles in Sublinear Time
给定一个图$G$,它可以被划分成$k$不相交的扩张器,其外电导上界为$ε\ll 1$,我们能否有效地构造一个小空间的数据结构,允许根据它们所属的扩张器(簇)快速地对$G$的顶点进行分类?形式上,我们希望有一个有效的本地计算算法,错误分类在每个扩展器中的顶点的最多$O(ε)$分数。我们将这种数据结构称为\textit{spectral clustering oracle}。我们的主要结果是查询时间$O^*(n^{1/2+O(ε)})$和预处理时间$2^{O(\frac{1}ε k^4 \log^2(k))} n^{1/2+O(ε)}$,提供任何$ε\ll 1/\log k$每个集群的误分类错误$O(ε\log k)$的谱聚类预言机。更一般地说,查询时间可以以适当地增加预处理时间为代价来减少(只要乘积大约是$n^{1+O(ε)}$)--这特别给出了一个接近线性的时间谱聚类原语。主要的技术贡献是一个次线性时间预言机,它通过估计$G$中顶点的短随机游走的分布,提供了对$G$的谱嵌入的点积访问。分布本身提供了一个差的近似谱嵌入,但我们表明,一个适当的线性变换可以用来实现高精度的点积访问。然后,我们表明,点积访问的谱嵌入是足够的设计一个聚类预言机。在一个高层次上,我们的方法相当于超平面分区的频谱嵌入的$G$,但至关重要的是操作上的嵌套序列的仔细定义的子空间的频谱嵌入,以实现每个集群恢复保证。
2021-10-19 cs.DS
Simple and Optimal Sublinear Algorithms for Mean Estimation
Università di Pavia(帕维亚大学);Sapienza University of Rome(罗马大学);Aarhus University(奥胡斯大学)
研究 d 维欧几里得空间中的次线性多元均值估计,给出匹配上下界及两种最优样本复杂度估计量,并用快速梯度下降与实验验证几何中位数均值方法最优。
2025-10-04 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
On Approximating the Number of $k$-cliques in Sublinear Time
我们研究的问题,近似的$k$ -团在一个图中的查询访问时,图的数量。我们考虑一般图的标准查询模型,通过(1)度查询,(2)邻居查询和(3)对查询。令$n$表示图中的顶点数,$m$表示边数,而$C_k$表示$k$ -团的数目。我们设计了一个算法,输出$C_k$的$(1+\varepsilon)$ -逼近(具有高概率),其预期查询复杂度和运行时间为$O\left(\frac{n}{C_k^{1/k}}+\frac{m^{k/2}}{C_k}\right)\poly(\log n,1/\varepsilon,k)$。因此,该算法的复杂度在$C_k = ω(m^{k/2-1})$的图的大小上是次线性的。此外,我们证明了一个下界,表明我们的算法的查询复杂度基本上是最佳的($\log n$,$1/\varepsilon$和$k$的依赖)。这方面的先前结果由Feige(SICOMP 06)、Goldreich和Ron(RSA 08)针对边缘计数($k=2$)以及Eden等人(FOCS 2015)针对三角形计数($k=3$)得出。我们的结果符合这些结果的复杂性。Eden等人之前的结果依赖于一种只适用于三角形计数的摊销技术,而不能推广到更大的集团。我们得到了一个通用的算法,适用于任何$k\geq 3$通过设计一个程序,每个$k$ -团事件的一个给定的$S$的顶点与近似相等的概率。主要的困难是在寻找集…
2018-03-12 cs.DS
Sublinear-Time Lower Bounds for Approximating Matching Size using Non-Adaptive Queries
Cheriton School of Computer Science, University of Waterloo(滑铁卢大学切里顿计算机科学学院)
研究证明在非适应性查询模型下无法实现强近似最大匹配大小,但提出了一个简单的随机算法实现多项式对数近似。
2026-02-15 cs.DS
Learning-based Support Estimation in Sublinear Time
Massachusetts Institute of Technology(麻省理工学院);Microsoft Research(微软研究院)
我们考虑的问题估计的数量不同的元素在一个大的数据集(或,等价地,支持大小的分布诱导的数据集)从一个随机样本的元素。这个问题出现在许多应用中,包括生物学、基因组学、计算机系统和语言学。过去十年的一系列研究产生了从大小为$O(\log^2(1/\varepsilon) \cdot n/\log n)$的样本中估计高达$ \pm \varepsilon n$的支持的算法,其中$n$是数据集大小。不幸的是,这个界限是已知的紧,限制了进一步改善这个问题的复杂性。在本文中,我们考虑使用基于机器学习的预测器增强的估计算法,该预测器在给定任何元素的情况下都会返回其频率的估计。我们表明,如果预测是正确的一个常数的近似因子,那么样本的复杂性可以显着降低,\[ \ \log (1/\varepsilon) \cdot n^{1-Θ(1/\log(1/\varepsilon))}. \]我们评估所提出的算法的数据集的集合,使用神经网络为基础的估计{Hsu等人,ICLR'19}作为预测。我们的实验表明,与最先进的算法相比,估计精度有了很大的提高(高达3倍)。
2021-06-15 cs.DS cs.LG math.ST
Sublinear Algorithms for Wasserstein and Total Variation Distances: Applications to Fairness and Privacy Auditing
Équipe Scool, Univ. Lille, Inria, CNRS, Centrale Lille, UMR 9189- CRIStAL(Lille大学、Inria、CNRS、Centrale Lille、UMR 9189-CRIStAL);Indian Statistical Institute Kolkata, India(印度统计研究所(加尔各答))
提出次线性空间算法,从流式样本估计次韦布尔分布的Wasserstein与全变差距离,并用于公平性与隐私审计,显著优于现有方法。
2026-10-14 cs.CY cs.DS cs.LG
Sublinear Metric Steiner Tree via Improved Bounds for Set Cover
本文在次线性查询模型下,通过改进特定集合覆盖问题的乘加估计查询复杂度至 $\widetilde{O}(|F|^{5/3})$,将度量Steiner树权重的 $(2-\eta)$-估计查询复杂度降至 $\widetilde{O}(n^{5/3})$。
2024-11-13 cs.DS
Testable Bounded Degree Graph Properties Are Random Order Streamable
我们研究的属性测试和次线性时间算法可以转化为图流算法的随机顺序流。我们的主要结果是,对于有界度图,任何属性,这是恒定的查询测试的邻接表模型可以测试与恒定的空间在一个单一的随机顺序流。我们的结果是通过使用常数空间估计随机序图流上的顶点的局部邻域的分布而得到的。然后,我们表明,我们的方法也可以适用于常数时间近似算法的邻接表模型中的有界度图:作为一个例子,我们得到了一个恒定的空间单程随机顺序流算法近似的最大匹配的大小与添加性误差$εn$($n$是节点的数量)。我们的结果建立了第一次,一个大类的次线性算法可以在随机顺序流模拟,而$Ω(n)$空间是需要许多图流问题的对抗订单。
2017-07-23 cs.DS
Sublinear Time Estimation of Degree Distribution Moments: The Degeneracy Connection
我们重新讨论了经典的无向图的度分布矩估计问题。考虑具有$n$顶点的无向图$G=(V,E)$,并定义(对于$s > 0$)$μ_s = \frac{1}{n}\cdot\sum_{v \in V} d^s_v$。我们的目的是估计$μ_s$的乘法误差内的$(1+ε)$(对于一个给定的近似参数$ε>0$)在次线性时间。我们考虑稀疏图模型,允许访问:均匀随机顶点,查询任何顶点的程度,查询任何顶点的邻居。对于$s=1$(平均度)的情况,$\widetilde{O}(\sqrt{n})$查询足以满足任何常数$ε$(Feige,SICOMP 06和Goldreich-Ron,RSA 08)。Gonen-Ron-Shavitt(SIMMA 11)通过设计执行$\widetilde{O}(n^{1-1/(s+1)})$查询的算法,将该结果扩展到所有整数$s > 0$。我们为这个问题设计了一个新的,明显更简单的算法。在最坏的情况下,它完全符合Gonen-Ron-Shavitt的边界,并且有一个更简单的证明。更重要的是,该算法的运行时间与$G$的简并性有关。这是(本质上)导出子图的最大密度。对于退化度最多为$α$的图族,它的查询复杂度为$\widetilde{O}\left(\frac{n^{1-1/s}}{μ^{1/s}_s} \Big(α^{1/s} + \min\{α,μ^{1/s}_s\}\Bi…
2017-02-16 cs.DM cs.DS
DPSW-Sketch: A Differentially Private Sketch Framework for Frequency Estimation over Sliding Windows (Technical Report)
East China Normal University(华东师范大学);Zhejiang University(浙江大学)
针对滑动窗口数据流中的敏感频率估计与重击者识别问题,提出基于 count-min sketch 的差分隐私 DPSW-Sketch,在亚线性时空开销下保证有界误差,并实现更优效用-隐私权衡。
2024-06-12 cs.CR cs.DS cs.LG
Fast Length-Squared Sampling for Positive-Semidefinite Matrices
University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校);University of California Berkeley(加州大学伯克利分校)
本研究提出一种期望O(n)时间的半正定矩阵快速长度平方采样算法,消除了需获取矩阵列范数的假设,可应用于鲁棒半正定低秩近似等问题,效果接近文献中的复杂方法。
2026-08-14 cs.DS cs.LG
Approximately Counting Subgraphs in Data Streams
估计数据流中的子图的数量是一个基本的问题,在过去的十年中受到了极大的关注。在本文中,我们给出了改进的流算法近似计数的出现次数的任意子图$H$,表示为$\# H$,当输入图$G$表示为$m$边流。为了获得我们的算法,我们提供了一个通用的转换,恒定轮子线性时间图算法的查询访问模型中的恒定通过子线性空间图流算法。利用这种变换,我们得到了以下结果。1.在$\tilde{O}(\frac{m^{ρ(H)}}{ε^2\cdot \# H})$空间中给出了$(1\pm ε)$ -逼近$\# H$的$3$ -通过旋转栅门流算法,其中$ρ(H)$是$H$的分数边覆盖.这改进并推广了McGregor等人[PODS 2016]的结果,McGregor等人给出了$3$ -用于$(1\pm ε)$的仅插入流算法-如果该算法被赋予对度的额外oracle访问,则近似于$\tilde{O}(\frac{m^{3/2}}{ε^2\cdot \# T})$空间中三角形的数量$\# T$。2.我们提供了一个恒定的通过流算法$(1\pm ε)$ -近似$\# K_r$在$\tilde{O}(\frac{mλ^{r-2}}{ε^2\cdot \# K_r})$空间中的任何$r\geq 3$,在图$G$与退化$λ$,其中$K_r$是一个团的$r$顶点。这解决了Bera和Seshadhri的猜想[PODS 2020]。更一般地…
2022-03-27 cs.DS