📊 statistics

Statistical Analysis of Network Collections Using Persistent Homology and Functional Data Analysis

本文介绍了函数拓扑数据分析（funTDA），这是一个将函数与拓扑数据分析相结合的新型框架，通过克服非欧几里得结构和节点对应关系变化带来的挑战，实现了对网络集合进行统计推断，包括均值/方差计算、主成分分析以及假设检验。

原作者： Catherine Higgins, Hulin Wu, Michelle Carey

发布于 2026-07-28

📖 1 分钟阅读☕ 轻松阅读

原作者： Catherine Higgins, Hulin Wu, Michelle Carey

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下你是一名正在试图破解谜题的侦探，但你寻找的不是指纹或脚印，而是事物之间那些看不见的联系。在科学世界中，这些联系被称为网络（networks）。把网络想象成社交媒体上巨大的好友网，或是你体内基因相互交流的地图，甚至是故事中单词相互连接的方式。通常，科学家一次只研究其中一个网络。但如果你想比较数百个不同的网络，看看它们是如何变化的呢？也许你想知道，一个快乐的人的“友谊网”是否看起来与一个悲伤的人不同，或者一个患流感的人的“基因网”是否与健康的人不同。

问题在于，这些网络是杂乱无章的。它们不会像木棒一样整齐地摆放在尺子上。一个网络可能有100个点（节点），而另一个可能有1,000个。有些点的连接是强而粗的线，而另一些则是弱而细的线。有些线是单向的，而另一些则是双向的。因为它们如此不同，你不能仅仅使用标准的尺子或基础的计算器来测量它们。这就像是试图仅用卷尺来比较云朵的形状和山的形状；工具并不匹配。这就是统计学家一直试图解决的谜题：当每一个网络都是独一无二的时候，你该如何测量一个杂乱、变化的网络的“形状”？

这篇论文介绍了一个巧妙的新工具包，叫做 funTDA（代表函数拓扑数据分析，Functional Topological Data Analysis），用以解决这个谜题。作者 Catherine Higgins、Hulin Wu 和 Michelle Carey 提出了一种方法，将这些杂乱的网络转化为数学家能够处理的平滑、波动线条。他们通过观察网络内部的“洞”和“环”来实现这一点。想象一下吹起一个气球；如果你在上面戳个洞，形状就会改变。在网络中，“环”是一个连接组成的圆圈，你可以从一个点出发，绕行一周回到原点，而无需折返。这种新方法通过追踪随着我们慢慢调高连接的“音量”，这些环是如何出现和消失的。

这种方法并不试图将一个网络中的每一个点与另一个网络中的每一个点进行匹配（这就像是试图将两片不同海滩上的每一粒沙子进行匹配），而是忽略了点的具体名称，转而关注整体形状。它将网络转化为一个“持久图（persistence diagram）”，这就像是一张显示环何时诞生以及何时消亡的地图。然后，它将那张地图转化为一个“持久景观（persistence landscape）”，这本质上是一系列山丘和山谷。一旦杂乱的网络被转化为这些平滑的山丘，作者就可以使用标准的统计工具——比如寻找平均山丘或观察山丘如何波动——来比较不同的网络组。

作者首先用计算机模拟测试了这个想法。他们创建了数千个具有不同连接程度（有些稀疏，有些稠密）的虚构网络，并询问他们的新方法是否能区分它们。结果非常令人振奋：该方法成功地分离了不同类型的网络，将相似的网络归为一类，并将不同的网络分开。他们还将该方法与试图将网络强行转化为标准形状的旧技术进行了比较。旧方法在面对具有不同点数或有向性（单行道）的网络时显得力不从心，但新的 funTDA 方法轻松应对了这些差异。

最后，作者将他们的方法应用于现实世界的数据。他们观察了简·奥斯汀和查尔斯·狄更斯小说中的词汇网络，以查看故事中单词连接的方式是否具有不同的拓扑“形状”。他们还研究了暴露于 H3N2 流感病毒的人群的基因网络，比较了发病者（有症状）与未发病者（无症状）的情况。在这两个案例中，该方法都发现了具有统计学意义的差异。对于流感研究，它表明即使基因本身是相同的，患病者的基因网络在拓扑结构上也与健康的人不同。这篇论文并不声称已经解决了网络科学中的所有问题，但它表明，这种观察连接“形状”的新方式是理解从文学到生物学等复杂系统的强大且灵活的工具。

技术摘要：基于持续同调与函数数据分析的网络集合统计分析

1. 问题陈述

对网络集合（其中每个网络作为一个独立的观测单元）进行统计分析，对传统的统计方法提出了重大挑战。传统方法通常依赖于图论特征（如度分布、中心性度量），这些方法将网络简化为欧几里得空间中的向量。然而，这种降维过程往往会导致严重的全局结构信息丢失，且无法捕捉结构等价性。

一个主要的障碍是缺乏自然的欧几里得嵌入方式，特别是在以下情况下：

缺乏顶点对应关系： 样本中的网络可能具有不同的顶点数量或任意的顶点排序（例如，在基因调节网络中，不同的个体激活不同的基因子集）。
结构异质性： 网络在规模、方向性（有向与无向）以及权重（加权与未加权）方面存在差异。
计算复杂度： 现有的处理无标签图的方法（如基于图对齐的商空间方法，例如 Jain 和 Obermayer, 2009; Guo 等, 2021）需要解决 NP-hard 的置换问题以寻找最优对齐或 Fréchet 均值。这限制了它们在小规模网络上的可扩展性。类似地，基于拉普拉斯矩阵的方法（例如 Severn 等, 2022）受限于必须共享共同顶点集的网络，并面临高维协方差估计的问题。

2. 方法论：函数拓扑数据分析 (funTDA)

为了解决这些局限性，作者提出了函数拓扑数据分析 (funTDA)，这是一个整合了持续同调（来自拓扑数据分析）与函数数据分析 (FDA) 的框架。该方法通过以下流程进行：

2.1. 从网络到持续图

过滤构造 (Filtration Construction)： 为每个网络 $G_g$ 计算一个测地距离矩阵 $\Gamma_g$ ，代表顶点之间的最短有向路径长度。
拓扑演化： 通过增加阈值参数 $\epsilon$ 来构造一个过滤过程。随着 $\epsilon$ 的增加，边被添加，网络随之演化。
特征追踪： 该框架追踪拓扑特征的“诞生” ( $b_j$ $b_{j}$ ) 与“死亡” ( $d_j$ $d_{j}$ )，特别关注 1 维同调 ( $H_1$ )，这对应于网络中的环 (loops) 或圈 (cycles)。
- 当一个环形成时，特征“诞生”。
- 当环被更高阶的单纯形（例如 2-单纯形）填充时，它“死亡”。
持续图 (Persistence Diagrams)： 演化过程被总结为一组诞生-死亡对 $P_g = \{(b_j, d_j)\}$ ，形成一个持续图。这种表示法捕获了全局结构特征，且不需要节点对应关系或相等的网络规模。

2.2. 从图到函数表示

由于持续图具有可变基数且缺乏向量空间结构，直接对其进行统计分析非常困难。funTDA 框架将这些图转换为持续景观 (Persistence Landscapes)：

每个诞生-死亡对 $(b_j, d_j)$ 被映射为一个分段线性的三角形函数 $f_{(b_j, d_j)}(x)$ 。
持续景观 $F_g(x)$ 通过在每个点 $x$ 处对这些三角形函数进行排序，并选择第 $k$ 大的值来构建。
通常保留第一层 ( $k=1$ )，它代表了最持久（最显著）的拓扑特征。
这种变换将拓扑特征嵌入到一个 Hilbert 空间 中，将网络样本转化为函数样本 $\{F_g\}_{g=1}^N$ 。

2.3. 通过函数数据分析进行统计推断

一旦表示为函数，即可应用标准的 FDA 技术：

平滑 (Smoothing)： 使用 B-样条基展开对观测到的景观值进行建模，以处理离散化和噪声问题。
描述性统计： 估计逐点均值和协方差函数，以表征网络样本的中心趋势和变异性。
函数主成分分析 (FPCA)： 用于识别网络集合中的主要变化模式。FPC 分数的二元得分图允许进行聚类和组间分离的可视化探索。
假设检验：
- 函数 t 检验： 通过测试其均值景观函数是否存在差异来比较两组网络。
- 函数 F 检验： 将此扩展到 $k$ 组。
- 全局检验： 为了解决逐点比较中固有的多重检验问题，使用了逐点检验统计量的上确界 ( $T_{max}$ 或 $F_{max}$ )。通过置换程序来近似零分布，从而评估显著性。

3. 核心贡献

框架集成： 本文引入了 funTDA，这是一个连接拓扑数据分析与函数数据分析的新型流程，旨在实现对网络集合的统计推断。
处理异质性： 与基于拉普拉斯矩阵的方法不同，funTDA 不需要共同的顶点集或节点对应关系，使其适用于不同规模和结构的网络。
可扩展性： 通过避免商空间方法中固有的 NP-hard 图对齐问题，funTDA 为大规模网络和样本提供了计算上可行的替代方案。
捕捉全局结构： 该方法优先考虑全局拓扑特征（环）而非局部节点统计量，从而提供更稳健的网络拓扑摘要。
通用性： 该框架适用于有向/无向以及加权/未加权网络。

4. 结果

该方法通过模拟研究和两个现实世界的应用进行了评估：

4.1. 模拟研究

区分连通性： 使用具有不同边概率 ( $p=0.1, 0.5, 0.9$ ) 的 Erdős–Rényi 随机图，FPCA 得分图清晰地根据其潜在的连通性结构分离了网络。
假设检验： 函数 t 检验和 F 检验成功区分了由不同分布生成的网络（得出 $p < 0.05$ ），同时未能发现来自相同分布的网络之间的显著差异（得出 $p > 0.05$ ）。这在小样本 ( $N=5$ ) 和大样本 ( $N=20$ ) 以及不同顶点计数的情况下均成立。
与现有方法的比较： 在与商空间方法和基于拉普拉斯的方法（欧几里得、平方根、Procrustes）的比较中，funTDA 展示了相当或更优的区分网络结构的能力（通过二元得分图），且无需承担图对齐的计算负担。

4.2. 现实世界应用

文学网络： 构建自简·奥斯汀 (Jane Austen) 和查尔斯·狄更斯 (Charles Dickens) 小说中成对词汇共现的网络。FPCA 和假设检验揭示了两位作者作品之间截然不同的拓扑差异。
基因调节网络： 源自 17 名暴露于 H3N2 流感病毒（9 名有症状，8 名无症状）个体的基因表达数据。该框架成功识别了有症状组与无症状组之间基因调节网络拓扑结构的显著统计学差异。

5. 意义与主张

作者将 funTDA 定位为网络科学的一次必要演进，解决了分析网络集合（而非单个实例）日益增长的需求。论文声称，通过将网络经由持续景观嵌入到函数空间，研究人员可以：

对此前缺乏欧几里得结构的网络数据执行标准的统计操作（均值、方差、PCA、假设检验）。
对规模各异且没有预定义节点对应关系的网络进行推断，这是生物学和社会学数据中的常见场景。
避免以往商空间方法中计算上难以处理的图匹配问题。

论文结论指出，funTDA 为网络样本的探索性数据分析和推断提供了一个稳健、可扩展且统计严谨的框架，并已通过开源仓库提供了实现代码。