研究如何检测在被加性高斯噪声污染的大矩阵中具有提高平均值的小子矩阵的最小极小方法，考虑复杂度理论角度的统计性能和计算成本之间的平衡问题，得出当矩阵规模 p→无穷大时，当子矩阵大小 k =Θ(pα) 时，计算复杂度会对统计性能造成严重的惩罚，并且关于支持恢复的困难程度也得出了结果。

Sep, 2013

研究总结了在不同分布情况下计算复杂性与 KL 散度之间的统计分层次关系，揭示了计算下界中的普适性原理。

Feb, 2019

研究了检测结构化低秩信号矩阵被加性高斯噪声污染的问题，包括在高斯混合模型中的聚类， 稀疏主成分分析和子矩阵定位。通过将第一和第二时刻方法应用于这些 “种植模型” 和零模型之间的似然比来导出阈值的上下界，我们证明了在信号矩阵过于微弱时没有任何算法可以检测其信号。

Jul, 2016

本文提出了一种新算法 —— 最大似然凸化版本，用于解决在随机块模型环境下的社交网络图聚类问题，相较于目前已有算法，本文算法在允许普遍规模的簇大小时的表现高出多项式因子。

Oct, 2012

介绍了一个用于证明计算问题下界的框架，其中算法可使用对统计查询的访问来实现，并应用于检测种植的双部分图团分布中的统计查询算法的复杂性的近乎最优下界。

Jan, 2012

提出一种基于低阶半正定松弛和矩阵谱的方法，用于在特定条件下解决隐含团问题的下界证明。

Feb, 2015

本文研究了在不知道子矩阵大小的情况下，如何在数据矩阵中定位具有较大条目值的子矩阵。我们建立了一个基于多尺度扫描统计量的优化框架，并开发了算法来逼近优化器。我们还展示了我们的估计器只需要与最小极大估计器具有相同阶数的信号强度，就可以在高概率下准确恢复异常。我们进行了一些模拟，表明我们的估计器相对于其他不需要先前子矩阵知识的估计器具有更好的性能，同时计算速度相对更快。

Jun, 2019

本文提出和研究了一种插入 k-SAT 模型，描述了一个插入分配 σ 和一个具有 k 个文字的子句分布的实例，对于分布复杂性的倒数关联了查询算法的统计下界。该证明引入了一种新的分析统计查询算法的通用技术，并指出了所有种植任务空间中的几何剪枝现象。

Nov, 2013

本文介绍了一种求解随机图和 “planted” clique 变体中单个 clique 大小的问题的算法，证明了使用 Sum-of-Squares Hierarchy 算法的 r 轮仅能解决 t > sqrt (n)/(Clogn)^(r^2) 的问题，并且描述了该算法的复杂度下限和实现中的关键步骤。

Jul, 2013

在大规模数据时代，分布式系统为处理海量数据提供了可靠的、实惠的存储和可扩展的处理，本文主要介绍发展和实施随机矩阵算法在大规模并行和分布式环境中的最新工作，着重讨论随机投影和随机采样算法在极度超定的 l1 和 l2 回归问题中的实际应用和理论基础。

Feb, 2015