Riepilogo Tecnico: PHIDA – Mappatura Nodo-a-Cluster Guidata dalla Persistenza per il Clustering Online

1. Enunciato del Problema

I metodi di clustering online che creano e aggiornano adattivamente i nodi (prototipi) all'arrivo di flussi di dati spesso trattano l'apprendimento dei nodi e la formazione dei cluster come processi distinti o debolmente accoppiati. Sebbene metodi come la Teoria della Risposta Adattiva (ART) e il Gas Neurale in Crescita (GNG) apprendano efficacemente gli stati dei nodi, la mappatura da questi nodi appresi ai cluster di output finali rimane frequentemente implicita. Questa mappatura implicita si basa spesso su ponti grafici deboli o relazioni di distanza locali all'interno del grafo appreso, rendendo i cluster risultanti sensibili ad artefatti strutturali transitori. Crucialmente, spesso non esiste un vincolo esplicito che garantisca che gruppi specifici di nodi appresi rimangano intatti come cluster di output coerenti durante il processo di apprendimento online. Questo lavoro affronta il divario tra la costruzione dei nodi appresi e la derivazione di cluster di output stabili nel clustering online basato su ART.

2. Metodologia: PHIDA

Il metodo proposto, PHIDA (Mappatura Nodo-a-Cluster Guidata dalla Persistenza), integra l'apprendimento dei nodi e la mappatura dei cluster all'interno di un'unica procedura di apprendimento online basata sulla Teoria della Risposta Adattiva (ART). Combina l'ART a Distanza Inversa (IDA) per l'apprendimento dei nodi con una strategia di mappatura vincolata dall'Omotopia Persistente (PH).

Componenti Principali

1. Apprendimento dei Nodi IDA:

   • PHIDA utilizza IDA per creare e aggiornare i nodi appresi dal flusso di dati mediante matching a distanza inversa e vigilanza adattiva.
   • Mantiene un insieme di rappresentanti dei nodi appresi ($Y$), conteggi di supporto ($M$) e stati di trasformazione delle caratteristiche adattivi.
   • Il parametro di vigilanza viene aggiornato adattivamente in base ai campioni recenti e al rapporto corrente cluster-nodo, che è influenzato dalla prospettiva del componente PH.

2. Mappatura Vincolata da PH:

   • Invece di mappare i nodi ai cluster basandosi esclusivamente sulla connettività del grafo o sulla distanza, PHIDA costruisce un grafo dallo stato corrente dei nodi appresi e applica la persistenza $H_0$ guidata dalla densità.
   • Definizione di Densità: La densità del nodo è definita come $\rho_i = \log M_i$ (logaritmo del conteggio di supporto).
   • Componenti PH Grezzi: Analizzando la persistenza dei componenti connessi man mano che i nodi vengono attivati in ordine decrescente di densità, PHIDA identifica i "componenti PH grezzi". Questi componenti rappresentano strutture topologiche stabili che persistono attraverso le scale di densità.
   • Vincolo di Mappatura: La mappatura nodo-cluster è vincolata in modo tale che tutti i nodi appresi all'interno di un singolo componente PH grezzo debbano ricevere la stessa etichetta di cluster di output. Questo previene la frammentazione di gruppi topologici stabili.

3. Agglomerazione Gerarchica:

   • PHIDA costruisce una gerarchia di componenti in cui i componenti PH grezzi sono trattati come unità.
   • Il costo di fusione tra gruppi adiacenti è calcolato utilizzando una metrica di dispersione pesata sul supporto (simile al metodo di Ward ma applicata ai componenti PH).
   • La gerarchia viene tagliata al livello corrispondente al divario più ampio nelle altezze di fusione, soggetto a un numero minimo di cluster ($C_{min}$) derivato dall'entropia delle masse dei componenti.

4. Ciclo di Feedback:

   • A differenza della mappatura a posteriori, la prospettiva del componente PH viene reinserita nel processo di apprendimento. Influenza gli aggiornamenti del parametro di vigilanza e i controlli di compatibilità per gli aggiornamenti secondari dei nodi (nodi secondi classificati), assicurando che lo stato del nodo appreso evolva in allineamento con i vincoli topologici.

5. Assegnazione Fuori Campione:

   • I nuovi campioni vengono assegnati ai cluster di output in base alla distanza dal nodo appreso più vicino all'interno di un cluster, combinata con un termine di raggio derivato dalla struttura di supporto del cluster.

3. Contributi Chiave

Il lavoro delinea tre contributi principali:

1. Ruolo Esplicito della Mappatura: Propone di trattare la mappatura nodo-cluster come un ruolo esplicito e vincolato all'interno del clustering online, distinto dalla costruzione dei nodi. PHIDA mantiene la costruzione dei nodi, gli aggiornamenti dei componenti PH e la mappatura all'interno di un unico processo, reinserendo la prospettiva PH nell'apprendimento dei nodi invece di applicarla solo al termine dell'apprendimento.
2. Implementazione ART Vincolata da PH: Implementa questa mappatura all'interno di un framework basato su ART. Applicando la persistenza $H_0$ guidata dalla densità al grafo dei nodi appresi, PHIDA identifica i componenti PH grezzi e li utilizza per potare i nodi isolati e aggiornare i parametri di vigilanza, distinguendosi dai metodi che applicano la topologia solo ai campioni grezzi o dopo il completamento dell'apprendimento.
3. Validazione Empirica: Esperimenti estesi su 24 dataset di riferimento dimostrano che PHIDA ottiene prestazioni competitive in scenari stazionari e prestazioni aggregate superiori in scenari non stazionari rispetto ai metodi online che creano e aggiornano adattivamente i nodi.

4. Risultati Sperimentali

La valutazione ha coinvolto 24 dataset di riferimento (ad esempio Iris, MNIST, Skin) in condizioni sia stazionarie che non stazionarie (streaming).

• Scenario Non Stazionario: PHIDA ha ottenuto i migliori ranghi medi attraverso l'ARI finale (Adjusted Rand Index), l'AMI finale (Adjusted Mutual Information) e i riassunti streamwise (avgInc_ARI, avgInc_AMI). Test statistici (test dei ranghi con segno di Wilcoxon con correzione di Holm) hanno confermato che PHIDA supera significativamente il recente riferimento basato su ART IDAT e SOINN+ nell'ARI e AMI finali.
• Scenario Stazionario: PHIDA ha ottenuto il miglior rango medio sia nell'ARI finale che nell'AMI tra i metodi valutati, mostrando competitività aggregata rispetto agli algoritmi di clustering esclusivamente stazionari.
• Studi di Ablazione: La rimozione della prospettiva del componente PH grezzo (PHIDA-noPH) ha portato alle prestazioni peggiori, producendo molti cluster piccoli e punteggi ARI/AMI inferiori. Ciò conferma che i guadagni sono legati all'estrazione e alla preservazione dei componenti PH durante l'apprendimento e la mappatura.
• Confronti di Mappatura: Quando mappature convenzionali (Ward, K-means, HDBSCAN) sono state applicate ai nodi appresi di IDA (senza la prospettiva PH), non hanno corrisposto uniformemente alle prestazioni di PHIDA, anche quando fornito il numero reale di classi. Ciò suggerisce che la prospettiva vincolata da PH offre benefici strutturali unici oltre alle euristiche di clustering standard.

5. Significato e Affermazioni

Il lavoro afferma che PHIDA affronta una specifica lacuna nel clustering online: la mancanza di una regola esplicita per convertire gli stati dei nodi appresi in evoluzione in cluster di output preservando la struttura dei componenti stabili.

• Affermazioni Modeste: Gli autori dichiarano esplicitamente che le affermazioni empiriche sono affermazioni aggregate sulle suite di benchmark e non implicano dominio per dataset. Riconoscono che PHIDA potrebbe essere meno favorevole quando le etichette dei benchmark richiedono una risoluzione fine dei confini locali che non si allinea con le modalità basate sulla densità di supporto dei nodi (ad esempio, il dataset "Letter").
• Preservazione Strutturale: Il significato fondamentale risiede nel dimostrare che preservare i componenti PH grezzi come unità durante la mappatura è un vincolo utile. Questo approccio permette all'algoritmo di mantenere strutture topologiche stabili di fronte a dati in streaming senza richiedere la regolazione manuale degli iperparametri per ogni dataset.
• Direzioni Future: Il lavoro suggerisce lavori futuri nel collegare le proprietà algoritmiche del campione finito con garanzie di stabilità per la prospettiva del componente PH sotto aggiornamenti in streaming e nell'estendere il metodo per utilizzare riassunti di persistenza a più scale.

Il lavoro conclude che PHIDA offre un framework robusto per il clustering online in cui la mappatura dai prototipi appresi ai cluster di output è guidata dalla persistenza topologica, migliorando stabilità e prestazioni in ambienti non stazionari.