Resumo Técnico: PHIDA – Mapeamento Guiado por Persistência de Nó para Clusterização Online

1. Declaração do Problema

Métodos de clusterização online que criam e atualizam adaptativamente nós (protótipos) à medida que fluxos de dados chegam frequentemente tratam o aprendizado de nós e a formação de clusters como processos distintos ou fracamente acoplados. Embora métodos como a Teoria de Resonância Adaptativa (ART) e o Gás Neural Crescente (GNG) aprendam efetivamente os estados dos nós, o mapeamento desses nós aprendidos para os clusters de saída finais frequentemente permanece implícito. Esse mapeamento implícito muitas vezes depende de pontes fracas do grafo ou de relações de distância locais dentro do grafo aprendido, tornando os clusters resultantes sensíveis a artefatos estruturais transitórios. Crucialmente, frequentemente não há uma restrição explícita garantindo que grupos específicos de nós aprendidos permaneçam intactos como clusters de saída coerentes durante o processo de aprendizado online. Este artigo aborda a lacuna entre a construção de nós aprendidos e a derivação de clusters de saída estáveis na clusterização online baseada em ART.

2. Metodologia: PHIDA

O método proposto, PHIDA (Mapeamento Guiado por Persistência de Nó para Cluster), integra o aprendizado de nós e o mapeamento de clusters dentro de um único procedimento de aprendizado online baseado na Teoria de Resonância Adaptativa (ART). Ele combina a ART de Distância Inversa (IDA) para aprendizado de nós com uma estratégia de mapeamento restrita por Homologia Persistente (PH).

Componentes Principais

1. Aprendizado de Nós IDA:

   • O PHIDA utiliza a IDA para criar e atualizar nós aprendidos a partir do fluxo de dados usando correspondência de distância inversa e vigilância adaptativa.
   • Mantém um conjunto de representantes de nós aprendidos ($Y$), contagens de suporte ($M$) e estados de transformação de características adaptativos.
   • O parâmetro de vigilância é atualizado adaptativamente com base nas amostras recentes e na razão atual cluster-para-nó, que é influenciada pela visão do componente PH.

2. Mapeamento Restrito por PH:

   • Em vez de mapear nós para clusters baseando-se apenas na conectividade do grafo ou na distância, o PHIDA constrói um grafo a partir do estado atual dos nós aprendidos e aplica persistência $H_0$ guiada por densidade.
   • Definição de Densidade: A densidade do nó é definida como $\rho_i = \log M_i$ (logaritmo da contagem de suporte).
   • Componentes PH Brutos: Ao analisar a persistência dos componentes conectados à medida que os nós são ativados em ordem decrescente de densidade, o PHIDA identifica "componentes PH brutos". Esses componentes representam estruturas topológicas estáveis que persistem através das escalas de densidade.
   • Restrição de Mapeamento: O mapeamento de nó para cluster é restrito de modo que todos os nós aprendidos dentro de um único componente PH bruto devem receber o mesmo rótulo de cluster de saída. Isso previne a fragmentação de grupos topológicos estáveis.

3. Aglomeração Hierárquica:

   • O PHIDA constrói uma hierarquia de componentes onde os componentes PH brutos são tratados como unidades.
   • O custo de fusão entre grupos adjacentes é calculado usando uma métrica de dispersão ponderada pelo suporte (semelhante ao método de Ward, mas aplicado a componentes PH).
   • A hierarquia é cortada no nível correspondente à maior lacuna nas alturas de fusão, sujeita a um número mínimo de clusters ($C_{min}$) derivado da entropia das massas dos componentes.

4. Laço de Feedback:

   • Diferentemente do mapeamento post-hoc, a visão do componente PH é alimentada de volta no processo de aprendizado. Ela influencia as atualizações do parâmetro de vigilância e as verificações de compatibilidade para atualizações secundárias de nós (nós vice-campeões), garantindo que o estado do nó aprendido evolua em alinhamento com as restrições topológicas.

5. Atribuição de Amostras Fora da Amostra:

   • Novas amostras são atribuídas aos clusters de saída com base na distância ao nó aprendido mais próximo dentro de um cluster, combinada com um termo de raio derivado da estrutura de suporte do cluster.

3. Contribuições Principais

O artigo delineia três contribuições primárias:

1. Papel Explícito de Mapeamento: Propõe tratar o mapeamento de nó para cluster como um papel explícito e restrito dentro da clusterização online, distinto da construção de nós. O PHIDA mantém a construção de nós, as atualizações de componentes PH e o mapeamento dentro de um único processo, alimentando a visão PH de volta para o aprendizado de nós em vez de aplicá-la apenas após o término do aprendizado.
2. Implementação de ART Restrita por PH: Implementa esse mapeamento dentro de um framework baseado em ART. Ao aplicar persistência $H_0$ guiada por densidade ao grafo de nós aprendidos, o PHIDA identifica componentes PH brutos e os utiliza para podar nós isolados e atualizar parâmetros de vigilância, distinguindo-se de métodos que aplicam topologia apenas a amostras brutas ou após o término do aprendizado.
3. Validação Empírica: Extensos experimentos em 24 conjuntos de dados de referência demonstram que o PHIDA alcança desempenho competitivo em configurações estacionárias e desempenho agregado superior em configurações não estacionárias em comparação com métodos online que criam e atualizam adaptativamente nós.

4. Resultados Experimentais

A avaliação envolveu 24 conjuntos de dados de referência (por exemplo, Iris, MNIST, Skin) sob configurações estacionárias e não estacionárias (streaming).

• Configuração Não Estacionária: O PHIDA alcançou os melhores rankings médios no ARI final (Índice Rand Ajustado), AMI final (Informação Mútua Ajustada) e resumos ao longo do fluxo (avgInc_ARI, avgInc_AMI). Testes estatísticos (teste de postos sinalizados de Wilcoxon com correção de Holm) confirmaram que o PHIDA supera significativamente a referência recente baseada em ART, IDAT e SOINN+, no ARI e AMI finais.
• Configuração Estacionária: O PHIDA alcançou o melhor ranking médio tanto no ARI final quanto no AMI entre os métodos avaliados, mostrando competitividade agregada contra algoritmos de clusterização apenas estacionários.
• Estudos de Ablação: Remover a visão do componente PH bruto (PHIDA-noPH) resultou no pior desempenho, produzindo muitos clusters pequenos e pontuações ARI/AMI mais baixas. Isso confirma que os ganhos estão ligados à extração e preservação de componentes PH durante o aprendizado e o mapeamento.
• Comparações de Mapeamento: Quando mapeamentos convencionais (Ward, K-means, HDBSCAN) foram aplicados aos nós aprendidos da IDA (sem a visão PH), eles não corresponderam uniformemente ao desempenho do PHIDA, mesmo quando fornecido o número verdadeiro de classes. Isso sugere que a visão restrita por PH fornece benefícios estruturais únicos além das heurísticas padrão de clusterização.

5. Significado e Alegações

O artigo afirma que o PHIDA aborda uma lacuna específica na clusterização online: a falta de uma regra explícita para converter estados de nós aprendidos em evolução em clusters de saída, preservando a estrutura de componentes estáveis.

• Alegações Modestas: Os autores afirmam explicitamente que as alegações empíricas são alegações agregadas sobre as suites de referência e não implicam domínio por conjunto de dados. Eles reconhecem que o PHIDA pode ser menos favorável quando os rótulos de referência exigem resolução de fronteiras locais finas que não se alinham com modos baseados na densidade de suporte dos nós (por exemplo, o conjunto de dados "Letter").
• Preservação Estrutural: O significado central reside em demonstrar que preservar componentes PH brutos como unidades durante o mapeamento é uma restrição útil. Essa abordagem permite que o algoritmo mantenha estruturas topológicas estáveis diante de dados em fluxo, sem exigir ajuste manual de hiperparâmetros para cada conjunto de dados.
• Direções Futuras: O artigo sugere trabalhos futuros conectando as propriedades algorítmicas de amostras finitas com garantias de estabilidade para a visão do componente PH sob atualizações de fluxo e estendendo o método para usar resumos de persistência em múltiplas escalas.

O artigo conclui que o PHIDA oferece um framework robusto para clusterização online onde o mapeamento de protótipos aprendidos para clusters de saída é guiado pela persistência topológica, melhorando a estabilidade e o desempenho em ambientes não estacionários.