该论文提出了一种计算高效的方法，基于随机分块模型（SBA）对图形进行建模，对观察到的网络数据进行了一致的估计图谱，估计误差随着图形大小的增加而消失.

Nov, 2013

本文提出了一种基于节点差分隐私的非参数块模型逼近算法，可以保护个体成员隐私信息而又能在保证正确性的前提下对高维稀疏网络的多路径割进行估算，并给出了误差界限。

Jun, 2015

本文研究了一种估计潜在变量下矩阵条件期望的方法 —— 使用图函数。通过对分段常数和 H"older 连续图函数的研究，提出最小二乘估计量和指数加权聚合的有限样本风险界。另提出使用 Lloyd 的交替最小化算法来近似该估计量。在合成数据集上进行的数值实验表明了该图函数估计器的良好性能。

Apr, 2023

本研究分析了一种称为通用奇异值阈值（USVT）算法的谱方法在估计 Graphon 模型中的应用，证明了其误差速率在某些情况下可以达到最小值，但在某些情况下误差较大，与社区检测的计算难度相一致。

Sep, 2017

本文研究了对紧致（对称）度量空间上的卷积核图的恢复。在这种情况下，边的概率仅取决于潜在点之间距离的某些未知非参数函数（称为非参数几何图），并且提出了一种新的基于谱过程和 Goldenshluger-Lepski 改进方法的自适应估计方法。该方法可以在理论上和算法上高效地估计平滑 NGG，并展示了关于对称核函数的积分算子的谱的一项非渐近浓缩结果。

Aug, 2017

首次开发纯节点差分隐私算法，用于学习随机块模型和多项式时间估计图论，其统计效能保证与先前最佳的信息理论（指数时间）节点私有机制相匹配。该算法基于一个指数机制，用于基于二次优化的得分函数，其水平取决于区块数。我们结果的关键要素是：（1）在可双重随机矩阵的多面体上进行的一个二次优化问题，描述了区块图模式之间的距离；（2）多项式优化在任意多面体上的通用二次收敛结果；（3）对得分函数进行利普希茨扩展的通用方法，作为二次优化算法范例的一部分。

Mar, 2024

本文提出了一种层次化聚类图的理论模型，采样自一个 graphon，采用了比随机块模型更丰富的图模型类，提供了一种产生正确聚类的算法，并给出了满足这些性质的明确算法。

Jul, 2016

大规模图机器学习的图样本技术中，基于图坐标的信号采样算法和光谱聚类方法在图信号采样领域中表现良好。

Nov, 2023

本文研究弱相互作用粒子系统，探讨其在图序列中的表现，建立了一个连续的图极限类上的经验测度的大数定律，并且证明了这个极限是一个非线性协方差方程的解。

Jun, 2020

本文介绍了非参数高斯 Copula 方法及其在高维推断中的应用，通过将变量进行平滑函数转换，取代正态假设，在估计稀疏无向图中发挥了很好的作用。

Mar, 2009