We consider the problem of computing the Fr\'echet distance between two curves for which the exact locations of the vertices are unknown. Each vertex may be placed in a given uncertainty region for that vertex, and the objective is to place vertices so as to minimise the Fr\'echet distance. This problem was recently shown to be NP-hard in 2D, and it is unclear how to compute an optimal vertex placement at all. We present the first general algorithmic framework for this problem. We prove that it results in a polynomial-time algorithm for curves in 1D with intervals as uncertainty regions. In contrast, we show that the problem is NP-hard in 1D in the case that vertices are placed to maximise the Fr\'echet distance. We also study the weak Fr\'echet distance between uncertain curves. While finding the optimal placement of vertices seems more difficult than the regular Fr\'echet distance -- and indeed we can easily prove that the problem is NP-hard in 2D -- the optimal placement of vertices in 1D can be computed in polynomial time. Finally, we investigate the discrete weak Fr\'echet distance, for which, somewhat surprisingly, the problem is NP-hard already in 1D.


翻译:我们考虑在两个曲线之间计算Fr\'echet距离的问题, 这两个曲线的脊椎的确切位置未知。 每个脊椎都可能位于该脊椎的不确定区域, 目标是将脊椎放置在给定的不确定区域, 以便尽可能缩小Fr\'echet距离。 这个问题最近被显示在 2D 中是 NP- 硬的, 并且目前还不清楚如何计算出最佳的脊椎位置。 我们为这一问题提供了第一个通用的算法框架。 我们证明它的结果是, 1D 曲线的多音时算法, 间隔为不确定区域。 相比之下, 我们显示问题在于1D 的NP- 硬值, 以便最大限度地缩小 Fr\'echet 距离。 我们还研究Fr\' etchet 之间最弱的Fr\ echetch 距离。 找到最佳的脊椎定位似乎比常规的Fr\'echchet距离要困难得多。 事实上, 我们很容易地可以证明, 问题在 2D 中是PP- hard 。

0
下载
关闭预览

相关内容

专知会员服务
81+阅读 · 2021年5月10日
【干货书】面向计算科学和工程的Python导论,167页pdf
专知会员服务
41+阅读 · 2021年4月7日
专知会员服务
41+阅读 · 2021年4月2日
【CVPR2021】动态度量学习
专知会员服务
39+阅读 · 2021年3月30日
Python分布式计算,171页pdf,Distributed Computing with Python
专知会员服务
107+阅读 · 2020年5月3日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【新书】Python编程基础,669页pdf
专知会员服务
194+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
动物脑的好奇心和强化学习的好奇心
CreateAMind
10+阅读 · 2019年1月26日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Cohesion and Repulsion in Bayesian Distance Clustering
Arxiv
0+阅读 · 2021年7月9日
Arxiv
0+阅读 · 2021年7月8日
VIP会员
相关VIP内容
专知会员服务
81+阅读 · 2021年5月10日
【干货书】面向计算科学和工程的Python导论,167页pdf
专知会员服务
41+阅读 · 2021年4月7日
专知会员服务
41+阅读 · 2021年4月2日
【CVPR2021】动态度量学习
专知会员服务
39+阅读 · 2021年3月30日
Python分布式计算,171页pdf,Distributed Computing with Python
专知会员服务
107+阅读 · 2020年5月3日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【新书】Python编程基础,669页pdf
专知会员服务
194+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
相关资讯
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
动物脑的好奇心和强化学习的好奇心
CreateAMind
10+阅读 · 2019年1月26日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员