Мажорування стресу — це стратегія оптимізації, використовувана в багатовимірному шкалюванні, де для набору з n елементів розмірності m шукається конфігурація X n точок у r(<<m)-вимірному просторі, яка мінімізує так звану функцію мажорування . Зазвичай r дорівнює 2 або 3, тобто (n x r) матриця X перераховує точки в 2- або 3-вимірному евклідовому просторі, так що результат можна відобразити візуально. Функція є ціною або функцією втрат, яка вимірює квадрат різниці між ідеальною (-вимірною) відстанню і актуальною відстанню в r-вимірному просторі. Вона визначається як:
- ,
де — вага для мір між парами точок , — евклідова відстань між і , а — ідеальна відстань між точками в -вимірному просторі. Зауважимо, що можна використати для задання ступеня довіри в схожості точок (наприклад, можна вказати 0, якщо для конкретної пари немає ніякої інформації).
Конфігурація , яка мінімізує , дає графік, на якому близькі точки відповідають близьким точкам у початковому -вимірному просторі.
Існує багато шляхів мінімізації . Наприклад, Крускал рекомендує ітеративний підхід найшвидшого спуску. Однак істотно кращий (у термінах гарантованості і швидкості збіжності) метод мінімізації стресу запропонував Ян де Лейв. Метод ітеративного мажорування де Лейва на кожному кроці мінімізує просту опуклу функцію, яка обмежує зверху і дотикається до поверхні в точці , яку називають опорною точкою. В опуклому аналізі таку функцію називають мажорувальною функцією. Цей ітеративний процес мажорування також відомий як алгоритм SMACOF (англ. Scaling by MAjorizing a COmplicated Function).
Алгоритм SMACOF
Функцію стресу можна розкласти так:
Зауважимо, що перший член є константою , а другий залежить квадратично від X (тобто для матриці Гесе V другий член еквівалентний tr), а тому відносно просто обчислюється. Третій член обмежений величиною
- ,
де має елементи
- для
для
.
Ця нерівність доводиться через нерівність Коші — Буняковського (див. статтю Борга).
Таким чином, ми маємо просту квадратичну функцію , яка мажорує стрес:
Тоді ітеративна процедура мажорування робить таке:
- на кроці k ми приймаємо
- зупиняємося, якщо , в іншому випадку повертаємося на початок.
Показано, що цей алгоритм зменшує стрес монотонно (див. статтю де Лейва).
Використання у візуалізації графів
Мажорування стресу і алгоритми, подібні SMACOF, застосовуються також у галузі візуалізації графів. Тобто, завдякимінімізації функції стресу, можна знайти більш-менш естетичне розташування вершин для мережі або графа. В цьому випадку зазвичай береться як відстань (у сенсі теорії графів) між вузлами (вершинами) i і j, а ваги беруться рівними . Тут вибирається як компроміс між збереженням великих і малих ідеальних відстаней. Хороші результати отримано для .
Примітки
- Kruskal, 1964, с. 1–27.
- de Leeuw, 1977, с. 133–145.
- Borg, Groenen, 1997, с. 152–153.
- Michailidis, de Leeuw, 2001, с. 435–450.
- Gansner, Koren, North, 2004, с. 239–250.
- Cohen, 1997, с. 197–229.
Література
- Kruskal J. B. Multidimensional scaling by optimizing goodness of fit to a nonmetric hypothesis // Psychometrika. — 1964. — Т. 29, вип. 1. — С. 1–27. — DOI: .
- de Leeuw J. Applications of convex analysis to multidimensional scaling // Recent developments in statistics / Barra J. R., Brodeau F., Romie G., van Cutsem B. — 1977. — С. 133–145.
- Borg I., Groenen P.,. Modern Multidimensional Scaling: theory and applications. — New York : Springer-Verlag, 1997.
- Michailidis G., de Leeuw J. Data visualization through graph drawing // Computation Stat.. — 2001. — Т. 16, вип. 3. — С. 435–450. — DOI: .
- Gansner E., Koren Y., North S. Graph Drawing by Stress Majorization // Proceedings of 12th Int. Symp. Graph Drawing (GD'04). — Springer-Verlag, 2004. — Т. 3383. — С. 239–250. — (Lecture Notes in Computer Science)
- Cohen J. Drawing graphs to convey proximity: an incremental arrangement method // ACM Transactions on Computer-Human Interaction. — 1997. — Т. 4, вип. 3. — С. 197–229. — DOI: .
Вікіпедія, Українська, Україна, книга, книги, бібліотека, стаття, читати, завантажити, безкоштовно, безкоштовно завантажити, mp3, відео, mp4, 3gp, jpg, jpeg, gif, png, малюнок, музика, пісня, фільм, книга, гра, ігри, мобільний, телефон, android, ios, apple, мобільний телефон, samsung, iphone, xiomi, xiaomi, redmi, honor, oppo, nokia, sonya, mi, ПК, web, Інтернет
Mazhoruvannya stresu ce strategiya optimizaciyi vikoristovuvana v bagatovimirnomu shkalyuvanni de dlya naboru z n elementiv rozmirnosti m shukayetsya konfiguraciya X n tochok u r lt lt m vimirnomu prostori yaka minimizuye tak zvanu funkciyu mazhoruvannya s X displaystyle sigma X Zazvichaj r dorivnyuye 2 abo 3 tobto nxr matricya X pererahovuye tochki v 2 abo 3 vimirnomu evklidovomu prostori tak sho rezultat mozhna vidobraziti vizualno Funkciya s displaystyle sigma ye cinoyu abo funkciyeyu vtrat yaka vimiryuye kvadrat riznici mizh idealnoyu m displaystyle m vimirnoyu vidstannyu i aktualnoyu vidstannyu v r vimirnomu prostori Vona viznachayetsya yak s X i lt j n w i j d i j X d i j 2 displaystyle sigma X sum i lt j leqslant n w ij d ij X delta ij 2 de w i j 0 displaystyle w ij geqslant 0 vaga dlya mir mizh parami tochok i j displaystyle i j d i j X displaystyle d ij X evklidova vidstan mizh i displaystyle i i j displaystyle j a d i j displaystyle delta ij idealna vidstan mizh tochkami v m displaystyle m vimirnomu prostori Zauvazhimo sho w i j displaystyle w ij mozhna vikoristati dlya zadannya stupenya doviri v shozhosti tochok napriklad mozhna vkazati 0 yaksho dlya konkretnoyi pari nemaye niyakoyi informaciyi Konfiguraciya X displaystyle X yaka minimizuye s X displaystyle sigma X daye grafik na yakomu blizki tochki vidpovidayut blizkim tochkam u pochatkovomu m displaystyle m vimirnomu prostori Isnuye bagato shlyahiv minimizaciyi s X displaystyle sigma X Napriklad Kruskal rekomenduye iterativnij pidhid najshvidshogo spusku Odnak istotno krashij u terminah garantovanosti i shvidkosti zbizhnosti metod minimizaciyi stresu zaproponuvav Yan de Lejv Metod iterativnogo mazhoruvannya de Lejva na kozhnomu kroci minimizuye prostu opuklu funkciyu yaka obmezhuye s displaystyle sigma zverhu i dotikayetsya do poverhni s displaystyle sigma v tochci Z displaystyle Z yaku nazivayut opornoyu tochkoyu V opuklomu analizi taku funkciyu nazivayut mazhoruvalnoyu funkciyeyu Cej iterativnij proces mazhoruvannya takozh vidomij yak algoritm SMACOF angl Scaling by MAjorizing a COmplicated Function Algoritm SMACOFFunkciyu stresu s displaystyle sigma mozhna rozklasti tak s X i lt j n w i j d i j X d i j 2 i lt j w i j d i j 2 i lt j w i j d i j 2 X 2 i lt j w i j d i j d i j X displaystyle sigma X sum i lt j leqslant n w ij d ij X delta ij 2 sum i lt j w ij delta ij 2 sum i lt j w ij d ij 2 X 2 sum i lt j w ij delta ij d ij X Zauvazhimo sho pershij chlen ye konstantoyu C displaystyle C a drugij zalezhit kvadratichno vid X tobto dlya matrici Gese V drugij chlen ekvivalentnij trX V X displaystyle X VX a tomu vidnosno prosto obchislyuyetsya Tretij chlen obmezhenij velichinoyu i lt j w i j d i j d i j X tr X B X X tr X B Z Z displaystyle sum i lt j w ij delta ij d ij X operatorname tr X B X X geqslant operatorname tr X B Z Z de B Z displaystyle B Z maye elementi b i j w i j d i j d i j Z displaystyle b ij frac w ij delta ij d ij Z dlya d i j Z 0 i j displaystyle d ij Z neq 0 i neq j b i j 0 displaystyle b ij 0 dlya d i j Z 0 i j displaystyle d ij Z 0 i neq j b i i j 1 j i n b i j displaystyle b ii sum j 1 j neq i n b ij Cya nerivnist dovoditsya cherez nerivnist Koshi Bunyakovskogo div stattyu Borga Takim chinom mi mayemo prostu kvadratichnu funkciyu t X Z displaystyle tau X Z yaka mazhoruye stres s X C tr X V X 2 tr X B X X displaystyle sigma X C operatorname tr X VX 2 operatorname tr X B X X C tr X V X 2 tr X B Z Z t X Z displaystyle leqslant C operatorname tr X VX 2 operatorname tr X B Z Z tau X Z Todi iterativna procedura mazhoruvannya robit take na kroci k mi prijmayemo Z X k 1 displaystyle Z leftarrow X k 1 X k min X t X Z displaystyle X k leftarrow min X tau X Z zupinyayemosya yaksho s X k 1 s X k lt ϵ displaystyle sigma X k 1 sigma X k lt epsilon v inshomu vipadku povertayemosya na pochatok Pokazano sho cej algoritm zmenshuye stres monotonno div stattyu de Lejva Vikoristannya u vizualizaciyi grafivMazhoruvannya stresu i algoritmi podibni SMACOF zastosovuyutsya takozh u galuzi vizualizaciyi grafiv Tobto zavdyakiminimizaciyi funkciyi stresu mozhna znajti bilsh mensh estetichne roztashuvannya vershin dlya merezhi abo grafa V comu vipadku d i j displaystyle delta ij zazvichaj beretsya yak vidstan u sensi teoriyi grafiv mizh vuzlami vershinami i i j a vagi w i j displaystyle w ij berutsya rivnimi d i j a displaystyle delta ij alpha Tut a displaystyle alpha vibirayetsya yak kompromis mizh zberezhennyam velikih i malih idealnih vidstanej Horoshi rezultati otrimano dlya a 2 displaystyle alpha 2 PrimitkiKruskal 1964 s 1 27 de Leeuw 1977 s 133 145 Borg Groenen 1997 s 152 153 Michailidis de Leeuw 2001 s 435 450 Gansner Koren North 2004 s 239 250 Cohen 1997 s 197 229 LiteraturaKruskal J B Multidimensional scaling by optimizing goodness of fit to a nonmetric hypothesis Psychometrika 1964 T 29 vip 1 S 1 27 DOI 10 1007 BF02289565 de Leeuw J Applications of convex analysis to multidimensional scaling Recent developments in statistics Barra J R Brodeau F Romie G van Cutsem B 1977 S 133 145 Borg I Groenen P Modern Multidimensional Scaling theory and applications New York Springer Verlag 1997 Michailidis G de Leeuw J Data visualization through graph drawing Computation Stat 2001 T 16 vip 3 S 435 450 DOI 10 1007 s001800100077 Gansner E Koren Y North S Graph Drawing by Stress Majorization Proceedings of 12th Int Symp Graph Drawing GD 04 Springer Verlag 2004 T 3383 S 239 250 Lecture Notes in Computer Science Cohen J Drawing graphs to convey proximity an incremental arrangement method ACM Transactions on Computer Human Interaction 1997 T 4 vip 3 S 197 229 DOI 10 1145 264645 264657