该研究利用截断最小二乘法和半定松弛等方法旨在提高旋转搜索算法的抗干扰性，此外，该研究探讨了在噪声干扰和离群值存在的情况下，如何将求解半定松弛问题的结果作为 TLS 的替代方案。

Jul, 2022

研究了二次约束二次规划及其半定松弛的一个参数化族，并给出了在参数值改变时半定松弛的精确性条件，在估计问题中有广泛应用，并可用于分析一般多项式优化问题的松弛稳定性。

Oct, 2017

该研究提出了一种基于特殊正交群上的同步问题，该问题包括从它们成对比率的噪声测量中估计一组未知的旋转。它的最小二乘解可以通过谱松弛或半定规划来近似，其具有类似于 Max-Cut 的近似算法。该研究通过提出偏差平方和的罚函数来弱化其次方项，并引出了一种求解该问题的凸优化方法，同时在特定噪声模型下，证明了其稳定性并得到了相位转变行为的模拟结果。

Nov, 2012

本文通过对众多相对相位的测量，给出了一种角度同步方法，提出了在噪声干扰下用 MLE 方法解决该问题的难点，探究在不知道最优条件的情况下，最大似然估计解决角度同步过程的正确性。

Nov, 2014

本文提出了一种无需转换法的凸松弛方法，用于解决由排列矩阵表示的二次优化问题，该方法在求解图像排列和多图匹配问题等实例中表现出更好的性能。

Nov, 2017

这篇论文主要探讨了应用于信号处理、数据挖掘和机器学习中的统计推理问题，当数据的维度很高时，常常导致较难处理的组合优化问题。文中提出了通过构建这些组合优化问题的凸松弛来解决问题的热门思想。其中，半定规划松弛是该家族中最有力的方法之一，并且出人意料地适用于形如矩阵或图形的数据问题。作者对几个经典的半定规划松弛模型进行了研究，尤其是适用于图同步和网络中的社区检测等统计问题的模型。通过将这些优化问题映射到带有向量自旋的统计力学模型中，使用统计力学中的非严谨技术来描述相应的相变，以期阐明半定规划松弛在高维统计问题中解决问题的有效性。

Nov, 2015

通过解决凸松弛，可以证明神经网络对抗性示例的鲁棒性。最近，提出了一种基于半定编程松弛的较少保守的鲁棒性证明方法。本文提出一种几何技术，用于确定该 SDP 证书是否是精确的，并在单隐藏层下证明该证书的精确性，并验证其理论洞见。

Jun, 2020

该研究提出了第一个通用且可扩展的框架，用于设计可靠的几何感知算法，以在存在异常值的情况下证明其准确性，并在六个几何感知问题上进行了评估。

Sep, 2021

本文提出了第一种通用且实用的框架，用于设计可证明的算法以应对大量离群值的情况下进行鲁棒几何感知，该算法使用截断最小二乘（TLS）代价函数，TLS 估计可以重新构制为多项式环上的优化，支持证明获得 TLS 问题的全局最小值，同时也可以使用斯内尔定理进行基础缩减，使用 SOS 松弛的双优化认证器，大大减小了 SDP 优化问题的复杂度，解决了当前 SDP 求解器无法解决的大规模问题。

Jun, 2020

本文提出了一种针对大规模二次二次规划问题的新型 SDP（半定规划）公式，并基于此提出了两种求解方法，即准牛顿法和平滑牛顿法，该方法能有效地解决许多计算机视觉问题，包括聚类、图像分割、共同分割和注册等。

Nov, 2014