提出了一种称为 MINT 的新方法，该方法基于互信息的估计，并使用从最近的邻居距离导出的有效熵估计器，从而便于将互信息分解为联合和边际熵，用于检验两个多变量随机向量的独立性，并可将其扩展为基于测量协变量向量与误差向量独立性的新正态线性模型是否适配的卡方检验，并在模拟和真实数据上进行了数值研究。

Nov, 2017

我们提出了一种基于 Kac-Bernstein 的特征的简单多元正态检验方法，可通过利用现有的数据样本和差异的统计独立性检验来进行；我们还进行了相应的实证研究，结果显示对于高维数据，所提出的方法可能比其他替代方法更有效。附带的代码仓库在 https://shorturl.at/rtuy5 提供。

Nov, 2023

探究在高维情况下对分类器的精度验证，证明一种基于排列组合的测试方法具有连续性及德克斯特拉极限分布的高斯近似测试也具有连续性，并以高斯分布为例进一步研究了线性判别分析和 Hotelling's 测试等方法的功率。

Feb, 2016

本文介绍了一种分布无关的基于图形的双样本检验方法，并提供了分析和比较其渐进性质的统一框架。该文章研究表明底层图形的组合特性对关联的双样本检验的性能产生影响，并且可以用于验证和决定在实践中使用哪种检验。

Aug, 2015

探讨了决策理论问题中的非参数双样本检验与独立性检验，并指出使用核函数和点对之间的距离作为解决方案在高维设置中受到误解，测试的功率实际上随着维度的增加按多项式下降，提出了公平的替代假设，并阐明了核带宽选择中的中位数启发式的理论洞察力。

Jun, 2014

研究了在条件分布连续的情况下，基于条件独立性测试 $X$ 和 $Y$ 关于 $Z$，$X$ 和 $Y$ 均为离散或连续变量的问题。考虑到条件独立性测试的研究，对于所有绝对连续的条件分布都无法设计非平凡的测试以控制所有的一类错误并确保在有趣的替代情况下仍然具有功效，因此在条件分布的各个自然光滑性假设下研究了条件独立性测试的难度，并以总变差度量指标的临界分离半径为下界和上界。最后，提供了一种新的证明方法以证明 Shah 与 Peters 的结论。

Jan, 2020

本研究探讨了顺序非参数两样本和独立性检验的问题，提出了一种基于预测的赌博策略，用于解决高维结构化数据上核函数的选择问题。我们在实验中证明了这种方法优于基于核的方法，即使在数据分布随时间漂移的情况下，也仍然有效强大。

Apr, 2023

提出了一种适用于任意维度并且一致对抗所有备择假设的强力检验方法，证明了其具有良好的功效性能。

Jan, 2012

本文通过对大规模核逼近方法的研究，对比块状、Nystrom 和随机 Fourier 特征方法的性能，展示了这些新型的大规模方法在独立性检验中具有与现有方法相当的性能，但使用的计算时间和内存显著减少。

Jun, 2016

本文介绍了基于 $k$- 最近邻距离的熵估计的改进互信息估计器类别，并说明了它们与现有算法的比较和实际应用中的有效性。

May, 2003