一类用于快速比较持续图的拓扑伪距离
内容提要
本文综述持久图度量与拓扑数据分析的进展，涵盖黎曼几何、Sliced Wasserstein核、Persistence Fisher核、最优传输聚类、Betti函数时变图分析、多项式转换、差分隐私持久图及直方图集合检验等方法，并应用于脑网络、蛋白质和加密货币等领域。
延伸解读
持久图度量的演进脉络
文章按时间顺序梳理了持久图度量的关键进展：从2015年基于多项式的快速比较，到2016年黎曼几何与核方法，再到2017年Sliced Wasserstein核和2018年Persistence Fisher核，以及后续的最优传输聚类、Betti函数时变图分析等。这些方法在稳定性、计算复杂度和统计性质上各有侧重，反映了该领域从基础度量向可扩展、可解释方向发展的趋势。
跨领域应用的多样性
这些拓扑度量方法已应用于多个领域：脑网络分析用于聚类和连接性研究，蛋白质和氧化物玻璃数据用于验证核方法的优势，加密货币网络用于异常价格预测，线性监测用于直方图集合比较。这表明持久图度量不仅具有理论价值，还能处理实际中的复杂拓扑结构数据，为不同学科提供新的分析工具。
差分隐私与拓扑数据分析的结合
文章提到首次尝试以差分隐私为基础的拓扑数据分析，产生近乎最优的私有持久性图。研究显示使用L1-DTM持久性图在灵敏度方面表现更佳，并提出了使用指数机制进行隐私保护的方案。这为敏感数据的拓扑分析提供了隐私保障，但可能需要在准确性和隐私之间进行权衡，实际应用时需关注参数选择。
Q&A
持久图有哪些常见的距离度量方法？
文章提到了基于黎曼几何的度量、Sliced Wasserstein近似、Persistence Fisher核、Wasserstein距离和重心等。
Persistence Fisher核有什么特点？
Persistence Fisher核可以应用于统计分析，能测量基于坚固拓扑特征提取的非向量数据的相似性，是对Wasserstein距离的积极补充，具有稳定性和无穷可分性等性质。
如何对具有复杂拓扑结构的网络进行聚类？
可以基于持续同调和最优传输理论，通过计算与节点连接部件和环相关联的持久条形码的Wasserstein距离和重心，对网络进行聚类，并在保留节点对应关系的同时聚合网络。
时变图数据中如何提取形状信息？
可以使用基于persistent diagram、lower-star filtration和Betti函数的方法，高效提取形状信息，并用于变点检测和加密货币网络异常价格预测。
差分隐私在拓扑数据分析中如何应用？
文章首次尝试以差分隐私为基础的拓扑数据分析，使用L1-DTM持久性图在灵敏度方面表现更佳，并提出了使用指数机制进行隐私保护的方案，验证了近乎最优的准确性。
如何比较两个直方图集合的差异？
文章介绍了一种方法，通过内部切片构造，在规模空间是可嵌入的希尔伯特空间中利用两种测试程序（重新取样和组合坐标测试），将直方图集合比较转化为均值检验问题。
