图域中的大样本统计
在结构模式识别和统计模式识别之间架起桥梁是一个具有挑战性的任务,特别是在使用概率方法研究图等组合结构时。本文将深入探讨图域中的大样本统计,包括大数定律、中心极限定理、图均值的特性和唯一性条件,以及两个图的加权均值等内容。
1. 研究背景与目标
在图的有限集合中,中位数和均值等中心点在图的中心聚类、图量化、频繁子结构挖掘和蛋白质结构的多序列比对等领域有重要应用。然而,与向量空间相比,对图均值的基本理解仍然不足。本文旨在为属性图的大样本统计基本性质提供新的见解,主要目标包括:
- 重述图分布的强大数定律。
- 提出图分布的中心极限定理。
- 刻画图的均值。
- 提出图均值唯一性的充分条件。
- 研究两个图的加权均值的性质。
为了实现这些目标,我们将图表示为黎曼轨道流形中的点,这种表示方法使我们能够应用微分几何中的有用概念和技术。
2. 属性图的表示
为了进行统计数据分析,需要对属性图进行合适的表示。我们建议将图表示为黎曼轨道流形中的点,因为轨道流形允许我们应用微分几何中的概念和技术。
2.1 属性图的定义
设 (E) 是一个 (d) 维欧几里得空间。属性图 (X = (V, E, \alpha)) 由以下部分组成:
- 顶点集 (V)。
- 边集 (E \subseteq V \times V)。
- 属性函数 (\alpha : V \times V \to E),对于每条边 (\alpha(i, j) \neq 0),对于每条非边 (\alpha(i, j) = 0)。顶点 (i) 的属性 (\alpha(i, i)) 可以取 (E) 中的任意值。
2.2 图的矩阵和向量表示
为了简化数学处理,假设所有图的阶数为 (n)((n) 足够大)。阶数小于 (n) 的图可以通过添加属性为零的孤立顶点扩展到阶数 (n)。
图 (X) 可以用其矩阵表示 (X = (x_{ij})) 完全指定,其中 (x_{ij} = \alpha(i, j)),(1 \leq i, j \leq n)。设 (X = E^{n \times n}) 是所有元素来自 (E) 的 ((n \times n)) 矩阵的欧几里得空间,(\Gamma) 表示所有 ((n \times n)) 置换矩阵的子群。如果存在置换矩阵 (P \in \Gamma) 使得 (P^TXP = X’),则两个矩阵 (X, X’ \in X) 是等价的。商集 (X / \Gamma = {[X] : X \in X}) 由所有等价类 ([X]) 组成。
为了方便表示,我们将 (X) 与 (E^N)((N = n^2))等同起来,并考虑图的向量表示。通过将图 (X) 的矩阵表示 (X) 的列连接起来,我们得到图 (X) 的向量表示 (x)。
2.3 黎曼轨道流形表示
黎曼轨道流形的图 (Q = (X, \Gamma, \pi)) 由以下部分组成:
- 具有范数 (|\cdot|) 的欧几里得空间 (X)。
- 作用在 (X) 上的置换群 (\Gamma)。
- 轨道流形图表 (\pi : X \to X_Q = X / \Gamma),(x \mapsto [x]),它将每个向量 (x) 投影到其轨道 ([x])。
我们用大写字母 (X, Y, Z) 表示 (X_Q) 中的图,如果 (\pi(x) = X),则写 (x \in X)。每个向量 (x \in X) 是结构 (X) 的向量表示,所有向量表示的集合 (X) 是 (X_Q) 的表示空间。
2.4 内在度量
轨道流形 (Q = (X, \Gamma, \pi)) 的图的内在度量定义为:
[d(X, X’) = \min {|x - x’| : x \in X, x’ \in X’}]
我们称满足 (|x - x’| = d(X, X’)) 的对 ((x, x’) \in X \times X’) 为 (X) 和 (X’) 的最优对齐。用 (A(X, X’)) 表示 (X) 和 (X’) 的所有最优对齐的集合。内在度量不是为了分析目的而人为构造的,而是在不同的图接近度度量中常见的选择。
下面是图表示的流程:
graph LR
A[属性图 X = (V, E, α)] --> B[矩阵表示 X = (xij)]
B --> C[向量表示 x]
C --> D[黎曼轨道流形表示 Q = (X, Γ, π)]
D --> E[内在度量 d(X, X')]
3. 弗雷歇均值
在这部分,我们将重点关注图分布的均值。除非另有说明,所有结果的证明将在其他地方给出。
3.1 图的弗雷歇均值集
由于不清楚如何使用图的加权和或积分来定义图的均值,我们基于弗雷歇提出的通常均值的性质给出定义。假设 ((Q, d)) 是图的度量轨道流形,其中 (Q = (X, \Gamma, \pi))。弗雷歇函数定义为:
[F(Y) = E_X [d(X, Y)^2] =
\begin{cases}
\int_{C_Q} d(X, Y)^2 dP_Q(X) & \text{如果 } X \text{ 是连续的} \
\sum_{X \in C_Q} d(X, Y)^2 P_Q(X) & \text{如果 } X \text{ 是离散的}
\end{cases}]
其中 (P_Q) 是 (X_Q) 的波莱尔 (\sigma) - 域上的概率测度,在连续情况下支持在可测子集 (C_Q) 上,在离散情况下是概率质量函数。弗雷歇均值是满足 (F(M) = \inf_{Y \in C_Q} F(Y) < \infty) 的任何元素 (M \in C_Q)。弗雷歇均值集 (F) 是所有弗雷歇均值的集合。
3.2 弗雷歇均值的刻画
为了刻画弗雷歇均值,我们需要狄利克雷基本域的概念。(\Gamma) 在 (X) 中的基本域 (D \subset X) 是一个闭子集,满足 (X = \bigcup_{\gamma \in \Gamma} \gamma(D)) 且 (\text{int}(\gamma(D)) \cap \text{int}(\gamma’(D)) = \varnothing) 对于所有 (\gamma, \gamma’ \in \Gamma)。
狄利克雷基本域 (D(x)) 是满足 (x’ \in D(x) \Rightarrow |x - x’| \leq |x - \gamma(x’)|) 对于所有 (\gamma \in \Gamma) 的基本域。每个狄利克雷基本域 (D(x)) 是一个凸多面体锥,包含每个图的至少一个向量表示。
定理 1(弗雷歇均值的表示):设 (Q = (X, \Gamma, \pi)) 是具有内在度量 (d) 的图的轨道流形,((X_Q, \Sigma_Q, P_Q)) 是一个概率空间。假设 (M \in F) 是 (P_Q) 的弗雷歇均值。则投影到 (M) 的任何向量表示 (m \in X) 具有以下形式:
[m = \int_{D(m)} x dP(x)]
其中 (P(x) = P_Q(\pi(x))) 在 (D(m)) 上。
从狄利克雷基本域的定义可知,弗雷歇均值 (M) 的向量表示 (m) 是与 (m) 最优对齐的所有 (X) 的向量表示 (x) 的分布的总体均值。
3.3 弗雷歇均值的唯一性
接下来,我们将展示在什么条件下图的弗雷歇均值是唯一的。对于结构 (X \in X_Q),我们定义其注入半径为:
[r_X = \min {|x - x’| : x’ \in \text{bd}(D(x))}]
其中 (x \in X) 是向量表示。注入半径 (r_X) 测量从 (x) 到其狄利克雷基本区域 (D(x)) 边界的最短距离。注入角定义为:
[\alpha_X = \arcsin \frac{r_X}{l(X)}]
定理 2(弗雷歇均值的唯一性):设 (Q = (X, \Gamma, \pi)) 是具有内在度量 (d) 的图的轨道流形,((X_Q, \Sigma_Q, P_Q)) 是一个概率空间。假设存在结构 (Z \in X_Q),使得 (P_Q) 的支持是开圆锥 (C_{\Gamma}(Z, \frac{\alpha_Z}{3}) = {X \in X_Q : \angle(Z, X) < \frac{\alpha_Z}{3}}) 的可测子集,其中圆锥轴的方向为 (Z)。则 (P_Q) 的弗雷歇均值是唯一的。
3.4 强大数定律
由于分布 (P_Q) 通常是未知的,并且基础度量空间往往缺乏足够的数学结构,弗雷歇函数 (F(Y)) 既不能直接计算也不能直接最小化。相反,我们从经验数据中估计弗雷歇均值。
假设 (X_1, X_2, \ldots, X_N \in X_T) 是独立同分布的随机样本。我们用经验弗雷歇函数 (\hat{F} N(Y) = \frac{1}{N} \sum {i = 1}^{N} d(X_i, Y)^2) 代替弗雷歇函数,并通过经验弗雷歇函数的全局最小值来近似弗雷歇均值。用 (\hat{F}_N) 表示弗雷歇样本均值集,它由 (\hat{F}_N(Y)) 的所有全局最小值组成。
定理 3:设 (Q = (X, \Gamma, \pi)) 是具有内在度量 (d) 的图的轨道流形,((X_Q, \Sigma_Q, P_Q)) 是一个概率空间。假设 (P_Q) 的弗雷歇函数 (F) 是有限的。则对于任何 (\varepsilon > 0),存在随机变量 (n(\omega, \varepsilon) \in \mathbb{N}) 和 (P_Q) - 零测集 (N(\omega, \varepsilon)),使得对于所有 (N \geq n(\omega, \varepsilon)),在 (N(\omega, \varepsilon)) 之外有 (\hat{F} N \subseteq F {\varepsilon} = {X \in X_T : \min_{M \in F} d(X, M)^2 < \varepsilon})。特别地,如果弗雷歇均值集 (F = {\mu}) 是单元素集,则从 (\hat{F}_N) 中选取的每个可测选择 (\hat{\mu}_N) 是 (\mu) 的强一致估计量。
3.5 中心极限定理
为了推导图的中心极限定理,我们引入以下符号:表达式 (X_N = o(Y_N)) 表示 (\frac{X_N}{Y_N} \xrightarrow{P_Q} 0)。
定理 4:设 (Q = (X, \Gamma, \pi)) 是具有内在度量 (d) 的图的轨道流形,((X_Q, \Sigma_Q, P_Q)) 是一个概率空间。如果 (\hat{F}
N(\hat{M}_N) \leq \inf
{Y \in X_Q} F(Y) + o_{P_Q}(\frac{1}{N})) 且 (\hat{M}
N \xrightarrow{P_Q} M \in F),其中 (M) 是非奇异的。则
[\sqrt{N} (\hat{M}_N - M) = \frac{1}{\sqrt{N}} \sum
{i = 1}^{N} (x_i - m) - o_{P_Q}(1)]
其中 (m) 投影到 (M),((x_i, m) \in A(X_i, M)) 是最优对齐。特别地,序列 (\sqrt{N} (\hat{M}
N - M)) 渐近正态,均值为零,协方差矩阵为:
[\Sigma = \int
{D(m)} (x - m)(x - m)^T dP(x)]
3.6 两个结构的弗雷歇均值
作为特殊情况,考虑弗雷歇函数 (F(Y) = p \cdot d(X, Y)^2 + (1 - p) \cdot d(X’, Y)^2),其中 (p = P_Q(X)) 和 (1 - p = P_Q(X’)) 分别是结构 (X) 和 (X’) 的概率。将 (p) 和 (1 - p) 视为权重而非概率,(F(Y)) 的弗雷歇均值集是中心聚类和图量化的竞争学习方法的基本组成部分。
定理 5:设 (Q = (X, \Gamma, \pi)) 是具有内在度量 (d(\cdot|\cdot)) 的图的轨道流形。考虑弗雷歇函数 (F(Y) = p \cdot d(X, Y)^2 + (1 - p) \cdot d(X’, Y)^2),其中 (X, X’ \in X_Q) 且 (p \in [0, 1])。则有以下性质:
- (P1) 弗雷歇均值 (M \in F) 的任何向量表示 (m) 具有形式 (m = p \cdot x + (1 - p) \cdot x’),其中 ((x, m) \in A(X, M)) 和 ((x’, m) \in A(X’, M)) 是最优对齐。
- (P2) (M \in F) 是弗雷歇均值当且仅当 (M) 中的任何向量表示 (m) 具有形式 (m = p \cdot x + (1 - p) \cdot x’),其中 ((x, x’) \in A(X, X’)) 是最优对齐。
- (P3) 弗雷歇均值 (M \in F) 满足 (d(X, M) = p \cdot d(X, X’)) 和 (d(X’, M) = (1 - p) \cdot d(X, X’))。
- (P4) 几乎必然有 (|F| = 1)。
这些性质总结如下表:
| 性质 | 描述 |
| ---- | ---- |
| (P1) | 弗雷歇均值的向量表示为 (m = p \cdot x + (1 - p) \cdot x’),((x, m) \in A(X, M)),((x’, m) \in A(X’, M)) |
| (P2) | (M) 是弗雷歇均值当且仅当 (m = p \cdot x + (1 - p) \cdot x’),((x, x’) \in A(X, X’)) |
| (P3) | (d(X, M) = p \cdot d(X, X’)),(d(X’, M) = (1 - p) \cdot d(X, X’)) |
| (P4) | 几乎必然 (|F| = 1) |
通过将图表示为黎曼轨道流形中的点,我们成功地推导了图分布的大数定律和中心极限定理,刻画了图的均值,提出了均值唯一性的条件,并研究了两个图的加权均值的性质。这些结果为无监督结构模式识别方法提供了坚实的统计基础,同时也加深了我们对图域几何的理解。
4. 总结与应用展望
4.1 研究成果总结
本文聚焦于图分布的大样本统计,取得了一系列重要成果:
-
理论定理推导
:成功推导了概率论中两大关键结果——大数定律和中心极限定理的结构版本,为图数据的统计分析提供了坚实的理论基础。
-
均值特性研究
:对弗雷歇均值进行了深入研究,包括对其进行刻画、提出均值唯一性的充分条件,以及探讨两个图的加权弗雷歇均值的性质。
-
图表示方法
:核心思想是将图识别为黎曼轨道流形中的点,这种表示方法不仅推广了欧几里得空间中的相应结果,还为无监督结构模式识别方法奠定了良好的统计基础。
下面通过一个表格来更清晰地展示这些成果:
| 成果类别 | 具体成果 |
| ---- | ---- |
| 理论定理 | 大数定律结构版本、中心极限定理结构版本 |
| 均值研究 | 弗雷歇均值刻画、均值唯一性条件、两个图加权弗雷歇均值性质 |
| 图表示方法 | 将图表示为黎曼轨道流形中的点 |
4.2 对无监督结构模式识别方法的意义
这些研究成果在无监督结构模式识别方法中具有重要的应用价值,以下是具体的应用场景:
-
PCA 用于结构分析
:可以利用推导的理论结果,对图结构数据进行主成分分析(PCA),提取数据的主要特征,实现数据的降维和特征提取。操作步骤如下:
1. 将图数据表示为黎曼轨道流形中的点。
2. 根据大数定律和中心极限定理,对图数据进行统计分析。
3. 应用弗雷歇均值等概念,确定数据的中心和分布特征。
4. 基于上述分析,进行主成分分析,提取主要特征。
-
中心聚类
:在图的中心聚类中,弗雷歇均值的性质可以用于确定聚类的中心,提高聚类的准确性和效率。具体操作流程如下:
mermaid
graph LR
A[输入图数据] --> B[将图表示为黎曼轨道流形中的点]
B --> C[计算弗雷歇均值集]
C --> D[根据均值唯一性条件确定唯一中心]
D --> E[进行聚类操作]
-
图量化
:对于图量化问题,两个图的加权弗雷歇均值的性质可以指导量化过程,实现更有效的图数据压缩和表示。操作步骤为:
1. 确定两个图的概率权重 (p) 和 (1 - p)。
2. 根据定理 5 中的性质,计算加权弗雷歇均值。
3. 利用均值进行图的量化操作。
4.3 对图域几何的新认识
通过本文的研究,我们对图域的几何有了更深入的理解。将图表示为黎曼轨道流形中的点,使得我们可以应用微分几何的概念和技术,对图数据进行更细致的分析。例如,在研究弗雷歇均值的唯一性时,引入的注入半径和注入角等概念,让我们能够从几何角度理解图数据的分布和特征。这种新的认识将有助于我们进一步推导图的统计和结构模式分析的相关结果,为图数据的处理和分析提供更多的思路和方法。
综上所述,本文的研究成果不仅在理论上具有重要意义,而且在实际应用中也具有广泛的价值。通过对图域大样本统计的深入研究,我们为图数据的分析和处理开辟了新的途径,有望在更多领域得到应用和推广。
2万+



被折叠的 条评论
为什么被折叠?



