本研究提出了一种基于 Toeplitz Inverse Covariance 的模型聚类方法，称为 TICC，通过马尔科夫随机场描述聚类中子序列中不同观测之间的相互依赖性，从而在同时分割和聚类时间序列数据的过程中实现了可扩展性且解释性更强的结果。

Jun, 2017

提供了一种称为 Multiple Independent Subspace Clusterings 的两阶段方法，其中第一阶段使用独立子空间分析来寻求多个和统计独立的子空间，第二阶段使用图形规范化的半非负矩阵分解来探索集群，实验结果显示其在真实数据集上表现优于其他竞争方法。

May, 2019

提出了一种基于空时相关性特征的汽车入侵检测模型 (STC-IDS)，该模型通过编码检测架构强制生成空时关注特征并实现异常分类，并在真实世界的车辆攻击数据集上显示了优异的性能。

Apr, 2022

提出了一种快速可扩展的算法 SToC (Semantic-Topological Clustering)，用于将大规模带属性图分割为同质化的簇，并利用底部 - k 草图、传统图论概念和新的异构距离测量组合方案，快速计算高质量的划分。

Mar, 2017

提出了一种新颖的聚类算法 MC-GTA，通过自相关度量进行模型建立的聚类，成功应用于一维和二维的合成和真实数据集，性能表现超过基准算法。

May, 2024

本研究考虑了一个不带标签数据集的聚类问题，它们被认为靠近低维平面的联合。研究人员发展了一种新的基于几何分析的算法，名为稀疏子空间聚类（SSC），可以广泛应用于无监督学习和计算机视觉等领域，论文展示了它在多个方面的有效性，并开创了有关稀疏恢复问题的新思路，数值研究强调了方法的实用性。

Dec, 2011

本文针对从一组仿射子空间中聚类数据的问题，开发了一种名为 Affine SSC (ASSC) 的 SSC 变体，并提出了仿射独立的新概念以捕捉一组仿射子空间的排列，该理论在合理条件下保证了 ASSC 产生子空间保持的亲和力，从而产生正确的聚类。

Aug, 2018

本文提出了一种 基于空时插值一致性训练 (STICT) 框架的视频阴影检测方法，使用未标记的视频帧与标记的图像一起训练深度神经网络，通过空间插值和时间插值一致性约束增强像素级别分类任务的泛化性能和鼓励时间连续预测。此外，还提出了一种适用于图像的多尺度的阴影知识学习的 Scale-Aware Network 和稍微有一点尺度一致性约束的测量方法，结果表明，即使没有视频标签，该方法也比大多数现有的监督、半监督或无监督的图像 / 视频阴影检测方法和相关任务的其他方法更好。

Jun, 2022

该研究介绍了一种受稀疏子空间聚类算法启发的算法，并开发了一些新颖的理论，展示了其正确性。理论利用几何泛函分析的思想，表明算法可以在最小的方向和每个子空间的样本数量的要求下准确地恢复底层子空间，并通过合成和实际数据实验证明了算法的有效性。

Jan, 2013

本文提出 WISK，一种适用于空间关键词查询的自适应的学习式索引，通过结合机器学习模型，将结构化空间属性和非结构化文本信息相结合，实现了针对查询工作负载的优化查询成本，并且在真实数据和查询工作负载中获得了更快的查询时间和存储开销.

Feb, 2023