Аннотация:
Использование традиционных методов алгебраической топологии для получения информации о форме объекта связано с проблемой формирования малого количества информации: чисел Бетти и характеристик Эйлера. Центральным инструментом топологического анализа данных является метод персистентной гомологии, который суммирует геометрическую и топологическую информацию в данных с использованием персистентных диаграмм и баркодов. На основе методов персистентной гомологии может быть выполнен анализ топологических данных для получения информации о форме объекта. Построение персистентных баркодов и персистентных диаграмм в вычислительной топологии не позволяет построить гильбертово пространство со скалярным произведением. Возможность применения методов топологического анализа данных основана на отображении персистентных диаграмм в гильбертово пространство; одним из способов такого отображения является метод построения персистентного ландшафта. Его преимущества заключаются в том, что он обратим, поэтому он не теряет никакой информации и имеет свойства персистентности.
В работе рассматриваются математические модели и функции представления объектов персистентного ландшафта на основе метода персистентной гомологии. Рассмотрены методы преобразования персистентных баркодов и персистентных диаграмм в функции персистентного ландшафта. С функциями персистентного ландшафта ассоциируется ядро персистентного ландшафта, которое формирует отображение в гильбертово пространство со скалярным произведением. Предложена формула для определения расстояния между персистентными ландшафтами, которая позволяет находить расстояния между изображениями объектов.
Функции персистентного ландшафта отображают персистентные диаграммы в гильбертово пространство. Приведены примеры определения расстояния между изображениями на основании построения функций персистентного ландшафта этих изображений. Рассмотрены представления топологических характеристик в различных моделях вычислительной топологии. Расширены результаты для модулей персистентности с одним параметром на многопараметрические модули персистентности.
Ключевые слова:распознавание образов, многопараметрический персистентный ландшафт, гильбертово пространство, топологический анализ данных
Поступила в редакцию: 11.07.2022 Принята в печать: 08.10.2022