本文介绍了一种快速且鲁棒的方法来近似计算多变量正态分布之间的 Fisher-Rao 距离，同时将正态分布流形通过微分同胚嵌入到高维对称正定锥面的子流形中，并使用锥面上的投影 Hilbert 距离作为距离度量，通过拉回锥面距离来获得正态分布之间的距离和平滑路径，这种方法在计算复杂度上比 Fisher-Rao 距离近似方法更轻量级，在聚类任务中具有应用价值。

Jul, 2023

本研究提供了一个统一的框架，将统计学文献中的能量距离和距离协方差与机器学习中的最大均值差（MMD）联系起来，并研究了这些统计量在一些概率分布下的可靠性和对多参数数据的适用性。

Jul, 2012

Fisher-Rao 距离是由 Fisher 信息度量引起的 Riemannian 测地距离，本文通过计算 Fisher-Rao 距离的极限形式、数值逼近和上下界等方法来研究和应用该距离。

Mar, 2024

该研究探讨了几个度量数据分布与隐式模型分布差异的标准，发现这些度量在概率测度空间中引入了不同的几何特性，特别是当参数生成器具有非凸参数化时，$1$-Wasserstein 距离能够实现惊人的近似全局收敛保证。

Dec, 2017

本文提出了一种新型的最优熵输运问题，解决了在一般拓扑空间的非负有限 Radon 测度类中的问题，其中，最小化线性输运功能和两个凸熵功能的和，并讨论了对数熵输运问题，介绍了一种度量空间中的新 Hellinger-Kantorovich 距离，该距离具有很强的几何分析能力。

Aug, 2015

该研究论文介绍了两种 Gromov-Wasserstein 类型的距离，用于高斯混合模型集合。这些距离可作为 Gromov-Wasserstein 的替代品，用于评估两个分布间的差异，并且为点云之间的最优传输计划提供了一种定义方式。同时，该研究还提供了实际应用案例，如形状匹配和高光谱图像颜色转换。

Oct, 2023

本文提出了基于 Wasserstein 距离的预期泛化误差界限，并分别介绍了全数据集、单字母和随机子集限制，以及从 Steinke 和 Zakynthinou [1] 的随机子抽样设置中的类似物。此外，当损失函数有界且选择 Wasserstein 距离中的度量时，这些界从相对熵的基础上得到了更好的下限 (因此是更紧的)。在特定情况下，这些结果可以被看作是考虑了假设空间几何和基于相关熵的界限之间的桥梁。另外，本文还介绍了如何基于这些界限产生各种新的界限，并使用类似的证明技术得出关于后向通道的类似界限。

Jan, 2021

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

此研究介绍了一种基于 Wasserstein 距离的方法，用于高维数问题中的 Gaussian 混合模型的优化问题，并讨论了它的性质和在图像处理中的应用。

Jul, 2019

本文介绍一种在各种定义域类型上能检测两个直方图集合差异的方法，该方法通过提出的内部切片构造，在规模空间是可嵌入的希尔伯特空间中利用两种测试程序，即重新取样和组合坐标测试的途径，将直方图集合比较问题转化为更熟悉的均值检验问题，并给出了在线性监测、脑连接性等应用场景上丰富的实验 。

Oct, 2020