在有界度模型的性质测试框架中研究了识别图的集群结构问题，提出了一个亚线性算法，可识别由参数 k, phi, epsilon 制定的 (d) 有界度图，并且是渐近最优的，关键是集群内外的 conductance。

Apr, 2015

本文提出了一种基于随机游走的局部聚类算法，通过将内部连接性参数考虑入内，改进了先前结果，得到更优秀的聚类精度和 conductance，并探讨了其与全局谱算法之间的联系。

Apr, 2013

本研究的主要贡献是提出了一种使用子线性时间的谱聚类算法，该算法可以将图按照展开器分簇，并可以提高聚类的准确性，同时通过估计图中节点的随机游走的分布，实现对谱嵌入的点积访问，并使用谱嵌入进行超平面划分，从而实现聚类。

Jan, 2021

我们设计了一个次线性时间的谱聚类预处理方法来解决在具有强聚类性的图中的问题。我们的算法通过在次线性时间内进行预处理和查询回答，得到与实际聚类接近的 $k$-partition。我们的实验证明了我们的理论性能。

Oct, 2023

研究了具有度数限制的图形，证明了其局部邻域统计与 “平面图” 不同，并由此推断出很多图形的特性和性质可以通过少量的查询进行测试。

Jan, 2008

研究了如何检测随机图中的高维几何结构问题，提出了一种基于新量的近乎最优和高效的测试方法，并针对稠密和稀疏情况提出了检测界和估计维度的猜想。

Nov, 2014

研究使用小子图的观察频率之间的关系来测试网络结构的问题，证明了在 Erdős-Rényi 空模型下的 T2，T3 的中心极限定理，并分析了与一般类别的替代模型相关的 χ2 检验统计量的功率。

Apr, 2017

本文介绍了一种使用谱算法的简单多项式时间用于进行图分割的方法，旨在寻找具有网络传导性和诱导子图的低导纳集合，并且提出了一种找到最佳 k 聚类的方法，其中 k 是一个整数，而且这种方法与 Cheeger's inequality 有所不同。

Sep, 2013

使用小子图的观察频率之间的关系，提出了一种基于三节点子图频率的社区结构存在简单检验方法，该方法能够在网络引导模型的零假设下，显示出渐近正态的检验统计量，并在纠正度量复合备选假设下具有接近于一的功率，此外，该方法亦可用于多元高斯数据的检验，并应用于社交网络、科学文章的引用网络和标普 500 公司之间的股票回报率的检测。

Oct, 2017

在基于 CONGEST 模型的分布式计算中，我们研究了属性测试。我们证明，对于每个联通的 4 节点图 H，测试一个图是否是 H-free 也可以在恒定数量的回合中完成。同时，我们探讨了两种用于测试 H-freeness 的通用算法类型，并证明 DFS 和 BFS 测试程序无法在 k>4 的情况下在恒定数量的回合内测试 K_k-freeness 和 C_k-freeness。

May, 2016