本文提出了一种简单而高效的几何模型适应方法，该方法利用超图的典型性寻求问题以适应并分割多重结构数据，同时在存在严重的异常值情况下。

Feb, 2018

我们提出了一种新的算法 Laplacian K-modes，并通过优化一个紧密的辅助函数提高了其可伸缩性，进而实现了大规模数据的并行化聚类和密度模式查找，并在各种数据集上进行了全面的实验。

Oct, 2018

利用 Quick Shift 算法，根据较为温和的分布假设，提出了在模式和聚类恢复方面的有限样本统计一致性保证，然后应用这一结果来构建一致的模式回归算法。

Oct, 2017

提出一种新算法 - Laplacian K-modes 聚类算法，它融合了聚类中三种不同的思想：K-means 中的隐式分配变量，mean-shift 中的密度估计，和图拉普拉斯正则化效应中的近邻点相似性分配，该算法可以解决难以聚类的问题，同时提供了一个预测新点的软分配映射。

Jun, 2014

本文提出了一种基于泊松度校正超图随机块模型（DCHSBM）的聚类方法，该方法利用最大似然推断来实现超图聚类，其聚类目标扩展了图的流行性目标，使用了一种新的基于节点整合的变化，具有高可扩展性。通过综合分析各种实验数据，包括学校联系网络、U.S. 国会议案、合作购买行为的产品类别和网站浏览会话的酒店位置，作者发现该聚类方法能够恢复具有相应高阶结构的真实聚类。

Jan, 2021

基于非负矩阵分解的概率模型统一了节点聚类和图简化，提供了建模任意图结构的框架。通过将硬聚类放松为软聚类，我们的算法将潜在的困难聚类问题转化为易处理的问题。

Aug, 2023

本文提出了一种新的基于扩散的超图聚类算法，其解决了类图的二次超图割问题，能够非常快速且高效地计算各种势函数。该方法在实际大规模超图数据中得到了验证。

Nov, 2020

本文提出了一种基于马尔科夫蒙特卡罗的贝叶斯推理方法，该方法可有效从多峰分布中采样，尤其适用于高维度问题和孤立模式的情况，并利用残留能量函数来探索新的模式。

Jun, 2013

本文介绍了一种扩展了边远离独立性的稀疏随机图的一般模型，并且通过构造非齐性随机超图来替代每个超边，再通过与某个积分算子的范数相关来解释巨型连通性的临界点，并将该巨型连通量与某些（非 Poisson）多类型分支过程的生存概率关联起来，同时研究度分布和数量小子图的细节。

Jul, 2008

本研究通过计算每个图中的小诱导子图的频率来制定和分析这种表示，发现子图频率空间不仅受其组合属性的制约，还受其实证属性以及社会图在空间中实际位置的影响，并提供了灵活的框架和分类算法，以研究这些方面。

Apr, 2013