提出了一种将概率分布嵌入到 Reproducing kernel Hilbert space (RKHS) 中的方法，通过定义核函数，使用两个分布嵌入之间的距离来对概率分布空间中的分布进行比较，我们证明了一些距离函数的特殊性质，并讨论了它们与概率计量学中其他距离的关系，同时介绍了支持这些特殊性质的核。

Jul, 2009

本文研究了有限符号 Borel 度量空间的 Hilbert 空间嵌入及其特性，揭示了通用核与特征核之间的关系，并给出了一个新的通用核特征定义。

Mar, 2010

该文介绍了一种基于希尔伯特空间嵌入的分布表征方法，该方法利用再生核希尔伯特空间将分布映射到一个空间中，并扩展了一般支持向量机和其他核方法的整个内核方法库，为概率测量、统计推断、因果发现和深度学习等领域提供了广泛应用，并讨论了该方法的理论保证，应用和未来的研究方向。

May, 2016

针对结构化输入的机器学习问题，提出了一种只基于输入之间的距离度量而不是特征表示估算函数 f (x)，应用正定核泛函和重现核希尔伯特空间来构建算法，并将其与现有的基于距离学习的方法进行比较，结果表明该方法在分类实验中具有更好的推广性能。

Feb, 2018

本文以概率预测为背景，探究了特征核、协方差核及它们联系的性质及应用，着重探讨了特征核在测度空间无限维中的效果、特征核存在条件以及在一些天气学领域的预测中的应用。

Dec, 2017

本文提出了一个统一的框架，将统计领域中的能量距离和距离协方差与机器学习中的分布嵌入到重现核 Hilbert 空间之间的距离联系起来，并研究了半度量与其诱导的核函数的性质。最后，我们研究了这类核函数在两样本和独立性检验中的性能。

May, 2012

本文研究了使用 Reproducing Kernel Hilbert Space 定义数据点的嵌入，以及这些映射到欧几里德空间的随机傅里叶特征的映射精度与高斯内核距离之间的关系。我们证明了使用 O ((1/ε²) log (n)) 个近似特征空间的维度足以实现 (1+ε) 的 Kernel 距离误差。当原始数据点在 R^d 中且直径受 M 限制时，使用 O ((d/ε²) log (M)) 个近似特征空间的维度足以实现相同的距离误差，并且我们证明这种维度的确实是必须的。

Feb, 2016

文章采用持久同调方法总结距离函数下水平集的拓扑特征，提出了抗噪声和异常值的距离测度方法 DTM 和核函数距离，并对 DTM 进行了浓度界定和参数选择。

Dec, 2014

该研究提出了一种新的概率模型 —— 贝叶斯核嵌入模型，它可以用于解决核学习中的核选择问题，并给出了一个简单、方便的边缘似然函数用于确定核超参数。

Mar, 2016

本文介绍了核距离的定义和其作为嵌入向量空间中的各种图形的概率测度之间的 L_2 距离，以及如何利用这种结构解决数据分析问题，同时窥探了这种度量的数学基础及其在两个独立领域中的最新进展。

Mar, 2011