从点数据中近似计算最短同调基环
本文研究了一种名为 “图诱导复合体” 的结构, 它是一种介于基本的 Vietoris-Rips 复合体和 subsampling 的 witness complex 之间的计算拓扑学结构, 拥有比两者更好的优点, 能够从很少的样本中推断流形的一维同调、重构三维表面并推断稠密样本中的持久同调群。
Apr, 2013
在高维噪声的存在下,通过 $k$ 最近邻图上的谱距离,如扩散距离和有效电阻,可以使持久同调在检测正确拓扑结构方面具有鲁棒性。该研究还导出了有效电阻的新的闭式表达式,并描述了其与扩散距离的关系。最后,通过应用这些方法于几个高维单细胞 RNA 测序数据集,表明 $k$ 最近邻图上的谱距离可以稳健地检测细胞周期环。
Nov, 2023
我们提出了一种快速、简单、健壮的算法,用于计算从数据中学习的黎曼流形上的最短路径和距离。该算法利用常微分方程组(ODE)求解,通过固定点迭代方案来提高求解器的稳定性和降低计算成本。在黎曼度量学习和深度生成模型的实验中,我们证明了该算法相比于最先进的通用求解器和专用求解器在速度和稳定性方面的重大改进。
Jan, 2019
本研究提供了用于持久同调中计算 Betti 数的量子算法,以及用于查找组合拉普拉斯的特征向量和特征值的算法。这种算法比拓扑数据分析的经典算法速度更快。
Aug, 2014
该文章引入了一种简单框架,用于在超休克 2 空间中检测局部异常值,称为 HLoOP (Hyperbolic Local Outlier Probability)。通过在超休克空间中计算数据点到其最近邻的 Riemmanian 距离,并利用高斯概率密度函数将其与局部异常因子相结合,该方法在 WordNet 数据集上取得了令人期待的结果。
Dec, 2023
在几何优化中,我们设计了多种近似算法来解决同伦定位问题、持久同调问题,并研究了它们在实验中的性能。这些算法在中等大小数据集上具有合理的运行时间,并且通过在多个数据集上的实验证明了计算出的周期的高质量。
Jun, 2024