该研究提出了解决从正类和未标记数据中开发二元分类器的问题的方法，其中主要集中在如何准确估计正类和负类先验概率的问题。通过研究非参数类先验估计和使用混合模型估计混合比例，该研究提供了一个新的算法以解决问题，通过实际转换为低维空间来解决高维密度估计等问题。
Jan, 2016
本研究考虑了独立采样数据的公共平均值估计问题，提出了一种估计器，它能够适应数据异质性的水平，在 i.i.d. 和某些非同质的设置下均达到近似最优，其估计器既考虑了传统统计学中的模态区间、shorth、中位数估计器，又利用了新型经验过程理论结果，在多元估计和回归的情况下，我们提出了可在多项式时间内运行的估计器版本。
Jul, 2019
本研究提出了一种基于正交低秩张量分解的非参数混合模型理论，并研究了利用该理论恢复混合组分分布的问题。
Apr, 2019
本篇论文从众多维度描述了对象的角度出发，提出了一种新的方法来解决稀疏正常分布下的样本均值的估计问题，进一步推导出极小极大下的收敛率，且得到了最优收敛率，并将该方法与其他方法进行了比较。
Dec, 2006
本文提出更一般的充分条件，可以适应不满足不可约性假设的几种设置。进一步提出了一种基于重采样的元算法，可以使任何现有的 MPE 算法适应我们更一般的条件，这种方法在实验中相对于基线方法和最近提出的重组算法展现更好的估计性能。
Jun, 2023
研究了混合模型的递归算法及其等价修改和估计方法，提出了基于数据序列置换的不变性修改方法，并证明了估计的弱收敛一致性。
Aug, 2009
本文研究密度估计和近似贝叶斯推断时，如果密度函数含有未知归一化常数，score-based methods 是常用的技术，但是我们发现当含有孤立成分时这些方法会出现实际失效的情况，我们试图通过启发式尝试解决这些问题。
Aug, 2020
本文探讨了混合分布下的生物进化树的重建问题，并在引入线性测试的概念时给出了相应的二元定理，并使用了凸规划二元对偶的想法，最后与代数几何角度联系起来。
Sep, 2006
本文提出了一种更好地恢复混合模型问题中的潜在结构的算法，尤其适合高维度或分离度较高的情况，并可用于单词不在训练数据中的主题建模中。
Nov, 2013
本篇论文研究、应用和优化混合模型和变化推理等技术对贝叶斯统计学、计算生物学和自然语言处理等多个领域的贡献，并研究证明了可变组成元素数量的情况下，情形近似的集中性，以及证明了这种多次证明技术确实是有效的。
May, 2018