노이즈에 강한 스펙트럴 클러스터링을 위한 컨텍스트 인식 하이퍼그래프 구축

초록

본 논문은 데이터의 잡음과 이상치에 강인한 스펙트럴 클러스터링을 위해 세 종류의 하이퍼그래프(쌍별, k‑최근접 이웃, 고차원 오버클러스터링)를 결합한 컨텍스트 인식 하이퍼그래프 유사도 측정(CAHSM)을 제안한다. 또한, 클러스터 내부 응집도와 클러스터 간 분리를 동시에 고려한 판별적 하이퍼그래프 분할 기준(DHPC)을 도입하여, CAHSM과 DHPC를 최적화하는 새로운 스펙트럴 클러스터링 알고리즘을 설계하고, 이론적 분석과 실험을 통해 그 효과와 견고함을 입증한다.

상세 분석

이 논문은 기존 스펙트럴 클러스터링이 주로 2‑차원(쌍별) 유사도에 의존해 노이즈에 취약하다는 점을 지적하고, 고차원 컨텍스트 정보를 하이퍼그래프 형태로 모델링함으로써 이를 보완한다. 구체적으로 저자는 세 종류의 하이퍼그래프를 설계한다. 첫 번째인 쌍별 하이퍼그래프는 전통적인 그래프와 동일하게 각 데이터 포인트를 정점으로 하고, 정점 간 유사도를 가중치 행렬 A로 표현한다. 두 번째인 k‑nearest‑neighbor(kNN) 하이퍼그래프는 각 정점을 중심으로 k개의 최근접 이웃을 포함하는 하이퍼엣지를 구성하고, 정점‑하이퍼엣지 관계를 부드럽게 할당하기 위해 소프트 인시던스 행렬 Hₙ을 정의한다. 이를 통해 각 정점은 여러 하이퍼엣지에 부분적으로 속하게 되며, 정점 간 유사도 bᵢⱼ는 해당 정점들의 하이퍼엣지 특징 벡터 xᵢ와 xⱼ의 코사인 유사도로 계산된다. 세 번째인 오버클러스터링 하이퍼그래프는 기존 클러스터링 알고리즘(예: k‑means, spectral clustering 등)을 과다분할(over‑segmentation)하여 얻은 다수의 작은 군집을 하이퍼엣지로 사용한다. 각 하이퍼엣지는 군집 내부의 평균 유사도와 정점‑하이퍼엣지 연결 강도를 결합한 가중치 µₗ을 갖는다. 이렇게 세 가지 하이퍼그래프에서 얻은 유사도 행렬 U, B, C를 선형 결합(가중치 α, β, γ)하여 최종 컨텍스트 인식 하이퍼그래프 유사도 행렬 S를 만든다.

다음으로 저자는 클러스터링 목표를 두 가지 관점에서 정형화한다. (1) 클러스터 내부 응집도( intra‑cluster compactness )를 최대화하고, (2) 클러스터 간 분리도( inter‑cluster separability )를 동시에 증대시키는 판별적 하이퍼그래프 분할 기준(DHPC)을 제안한다. DHPC는 트레이스 비율 형태인
 max  Tr( Fᵀ L₁ F ) / Tr( Fᵀ L₂ F )
으로 표현되며, 여기서 L₁은 내부 연결을 강조하는 라플라시안, L₂는 외부 연결을 억제하는 라플라시안, F는 클러스터 할당 행렬이다. 이 비율 최적화는 일반적인 제약조건(정규화 및 이진성) 하에 일반화된 고유값 문제로 변환될 수 있다.

알고리즘 흐름은 다음과 같다. (i) 원본 데이터에 대해 세 종류의 하이퍼그래프를 구축하고, 각각의 유사도 행렬을 계산한다. (ii) 유사도 행렬을 가중합하여 최종 유사도 S를 얻는다. (iii) S를 이용해 정규화된 라플라시안 L을 구성하고, DHPC의 트레이스 비율을 최대화하는 F를 구한다(주성분 분석과 유사한 고유벡터 추출). (iv) 얻어진 F를 k‑means 등으로 후처리하여 최종 클러스터 라벨을 산출한다.

이론적 분석에서는 S가 각 정점의 로컬 컨텍스트(이웃 및 군집) 정보를 포함함으로써, 단일 정점이 노이즈에 의해 왜곡되더라도 전체 유사도 구조가 크게 변하지 않음을 보인다. 또한, DHPC가 라플라시안 스펙트럼의 고유값 간격을 확대시켜 클러스터 수 자동 추정이 가능하도록 만든다. 실험에서는 합성 데이터(다양한 잡음 수준, 비구형 클러스터)와 실제 이미지/비디오 데이터셋(그림 분할, 동작 분할 등)에 대해 기존 방법(Zelnik‑Manor, NRSC, 전통적 하이퍼그래프 기반 방법)과 비교했을 때 정확도(NMI, ACC)와 잡음에 대한 민감도가 현저히 개선된 것을 보고한다.

핵심 기여는 (1) 고차원 컨텍스트를 하이퍼그래프 형태로 체계화한 CAHSM, (2) 클러스터 내부·외부 구조를 동시에 고려한 DHPC, (3) 두 요소를 결합한 스펙트럴 클러스터링 프레임워크가 기존 방법 대비 잡음에 강인하고, 클러스터 수 자동 추정까지 가능하다는 점이다. 이 접근법은 이미지·비디오 분석, 생물정보학 등 고차원·노이즈가 많은 데이터에 적용 가능성이 크다.