多流形聚类谱收敛速率大突破，从n^{-1/(2.5d-1)}逼近极小极大最优！
Minimax Rates and Improved Spectral Convergence for Multi-Manifold Clustering
📖 AI 总结
本文研究多流形混合分布下的谱聚类理论，其中各流形成分可以相交。作者针对张量化密度加权Laplace–Beltrami算子的特征对估计问题，在最大内在维数为d、采样密度光滑度为s的条件下，建立了简单非平凡特征对的极小极大收敛速率n^{-s/(d+2s)}，并证明基于核密度估计的连续插入式估计器在流形已知时可达到该最优速率。进一步，作者分析了不依赖流形先验信息的图拉普拉斯估计器，证明其特征对以n^{-1/(2.5d-1)}的速率（忽略对数因子）收敛到目标算子，改进了多流形学习领域已有的谱收敛结果。合成数据实验验证了上述理论速率。该工作刻画了多流形谱估计的信息论难度，并量化了在缺乏流形成分先验信息时所付出的额外代价。
🔑 关键词速览
| Laplace-Beltrami算子 | 定义在黎曼流形上的二阶微分算子，是拉普拉斯算子在流形上的推广，用于描述流形上的扩散过程。 |
| 极小极大速率 | 在统计估计中，表示在所有可能估计器中，最坏情况下的最优收敛速度，刻画了问题的信息论难度下界。 |
| 多流形聚类 | 将数据点划分到多个低维流形上的聚类任务，其中流形可能相交或具有不同内在维度。 |
| 图拉普拉斯估计器 | 基于数据点构建的图拉普拉斯矩阵，用于近似流形上的Laplace-Beltrami算子，常用于谱聚类和流形学习。 |
| 核密度估计 | 一种非参数密度估计方法，通过核函数对每个数据点进行平滑来估计未知的概率密度函数。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅