이웃관계 보존 비균일 원형 포장 기법

초록

NCP는 데이터 간 이웃 관계를 유지하면서 원의 반지름에 정량적 속성을 매핑하는 비균일 원형 포장 방법이다. 최대 평면 그래프 임베딩을 기반으로 비선형 최적화를 연속법(continuation method)으로 풀어, 컴팩트함·볼록성·이웃 보존을 동시에 달성한다. 정량적 실험과 두 가지 사용 사례를 통해 기존 방법 대비 이웃 보존과 클러스터 볼록성에서 우수함을 입증한다.

상세 분석

본 논문은 시각화에서 데이터 간 근접 관계와 정량적 속성을 동시에 표현해야 하는 요구를 충족시키기 위해, 비균일 원형 포장 문제를 “최대 평면 그래프 임베딩”이라는 수학적 프레임워크로 재정의한다. 원형 포장 정리는 비균일 원의 집합과 최대 평면 그래프 사이에 일대일 대응이 있음을 이용해, 원의 중심 좌표를 그래프 노드의 2차원 임베딩으로 보는 접근을 제시한다. 이때 그래프의 간선은 데이터 간 이웃 관계를 의미하며, 그래프가 유지되는 한 원 사이의 거리 제약(겹침 방지)과 반지름 비례(정량적 속성 매핑)가 자동으로 만족된다.

최적화 목표는 크게 세 가지(G1~G3)와 두 개의 하드 제약(C1, C2)으로 구성된다. G1은 공간 효율성을 높이는 컴팩트함, G2는 클러스터 경계의 볼록성을 확보해 인지적 명료성을 향상, G3은 이웃 관계 보존을 통해 구조적 해석을 지원한다. C1은 반지름을 정량적 속성에 비례하도록 스케일링하고, C2는 원 간 겹침을 방지한다. 이러한 다중 목표를 가중합 형태로 단일 목적 함수에 통합하고, α와 β 파라미터를 그리드 탐색으로 설정해 균형을 맞춘다.

비선형 최적화는 지역 최소점에 쉽게 빠지는 전형적인 NP‑hard 문제이므로, 연속법(continuation method)을 적용한다. 초기 단계에서는 Delaunay 삼각분할을 이용해 데이터의 2차원 투영을 기반으로 최대 평면 그래프와 초기 임베딩을 생성한다. 이어서 파워다이어그램 기반 레이아웃을 적용해 컴팩트함과 이웃 보존을 동시에 강화한다. 파워다이어그램은 가중된 Voronoi 셀을 이용해 각 원이 자신의 셀 안에 최대한 크게 들어가도록 위치를 조정한다. 마지막 단계에서는 물리 기반 힘‑직접법(force‑directed)으로 클러스터 경계의 볼록성을 최적화한다. 힘‑직접법은 원을 입자처럼 취급해 인접 원 사이에 탄성·반발력을 부여함으로써, 전체 레이아웃을 미세 조정하고 잔여 겹침을 제거한다.

실험에서는 기존의 전면 체인, 파워다이어그램, 힘‑직접법 기반 베이스라인과 비교해, NCP가 이웃 보존 지표(NMI, ARI)와 클러스터 볼록성(Convex Hull Ratio)에서 유의미하게 우수함을 보였다. 또한 컴팩트함 측면에서는 비슷한 수준을 유지하면서도, 반지름이 데이터 속성을 정확히 반영하도록 스케일링 오차를 최소화했다. 두 가지 실제 사용 사례—의류 이미지 데이터셋의 라벨 노이즈 탐지와 주택 가격 시각화—를 통해, 큰 원이 경계에 위치해 불확실성이 높은 샘플을 직관적으로 강조함으로써 분석가가 중요한 패턴을 빠르게 포착할 수 있음을 시연한다.

이 논문의 주요 기여는 (1) 비균일 원형 포장을 최대 평면 그래프 임베딩 문제로 공식화한 점, (2) 연속법을 활용해 다중 목표를 단계적으로 통합한 최적화 파이프라인을 제시한 점, (3) 오픈소스 라이브러리를 공개해 연구·실무에서 바로 적용 가능하도록 한 점이다. 특히, 그래프 기반 접근은 기존의 전면 체인 방식이 갖는 전역 이웃 보존 한계를 극복하고, 파워다이어그램과 힘‑직접법의 장점을 조화롭게 결합함으로써, 시각적 밀도와 구조적 해석 가능성을 동시에 만족시키는 새로운 설계 패러다임을 제공한다.