本文设计了几种本地算法来估计图的有效电阻，可以在对数时间内近似计算两个顶点之间的电阻，通过基准数据的广泛实证研究，验证了算法的性能。

Jun, 2021

本文在大数据集上提出了算法杠杆效应的采样方法，通过样本采集分布来提高算法的计算效率，并在固定预测因子的线性回归模型中，提出了一种简单有效的框架来评估算法杠杆的统计性能。其结果表明核心的采样方法的统计性能既不会因为采用杠杆采样而主导也不会因采用均匀采样而优于杠杆采样，但其在最坏分析情况下，杠杆采样与均匀采样相比都能提供更好的结果。在理论性能基础上，本文提出并分析了两种新的杠杆算法，并在合成和真实数据集上进行了详细的实证评估。

Jun, 2013

本文介绍了一种基于随机算法的矩阵统计杠杆分数的计算方法，并探讨了在矩阵完成、低秩矩阵逼近、大规模统计数据分析等问题中具有的实际应用以及可拓展的领域。

Sep, 2011

该研究提出了两种随机算法来更快地找到无精确解的线性方程组的最小二乘近似解，这两种算法均使用随机哈达玛变换对数据进行预处理，并利用随机抽样约束或进行稀疏随机投影，并在较短时间内提供相对误差逼近的解决方案。

Oct, 2007

探讨了在普通最小二乘回归中，找到或推翻删除数据集中的小子集会反转系数符号的实用算法；通过实证研究了用于此任务的成熟算法技术在一般线性回归问题和特殊情况下的精确贪婪方法方面的性能，证明这些方法在几个维度的回归问题中优于现有技术并提供了实用的鲁棒性检查；但对于维度为 3 或更高的回归问题中推翻这种小型影响样本存在性的重要任务仍存在显著的计算瓶颈；通过使用源自算法稳健统计的最新创新思想的谱算法在这一挑战中取得了一些进展；总结了在几个挑战数据集中，已知技术的限制，以促进进一步的算法创新。

Jul, 2023

本文提出了一种近似值来计算 (有效的)$p$- 电阻，并将其应用于多类聚类，将其与其他 $p$-Laplacian 基于方法进行了比较。

Jun, 2023

该研究提出新的算法解决回归问题中的稀疏数据，基于迭代法中计算行重要性（行杠杆力分数）的方法，达到比现有技术更好的理论保证。

Nov, 2012

本文研究在推理问题中广泛存在的一类优化问题的理论运行时间保证，这些问题受 Lasso 框架的启发，具有机器学习和计算机视觉应用。我们通过算法图论的核心问题来展示这些问题之间的密切联系。最后，我们提出了一些关于图像处理问题的实验结果。

Oct, 2011

该论文提出了一种基于线性时间算法的方法来精确近似统计杠杆分数，以选取代表性的子样本，运用于 Nyström 近似中，以提高预测准确性和减少计算成本。

Mar, 2021

本文介绍了稀疏 Cholesky 分解和稀疏多重网格算法用于解决线性方程组的问题，并使用这些新算法推导出第一个解决图像和信号处理中 Laplacian 矩阵广泛应用的连接 Laplacian 线性时间算法，并证明每个连接 Laplacian 都有一个线性规模的近似逆矩阵。

Dec, 2015