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

通过基于贝叶斯高斯混合模型的两条途径的数据驱动模型，我们将自组织机器人网络的拓扑 (不可) 恢复性预测问题解决为一个二元分类问题，并成功地预测了典型问题的解决方案。

Oct, 2023

本文介绍了关于机器学习中结构化预测任务的理论分析，探究了标签预测对标签组合所带来的影响，以及如何通过图结构分类来达到期望错误率的降低。

Sep, 2014

研究了连接反馈顶点集（Connected Feedback Vertex Set）问题的参数化算法，论述了该问题在图论领域的应用，证明了在普通图上复杂度为 O (2^O (k) n^O (1))，在不包含固定图 H 的图上复杂度为 O (2^O (√k logk) n^O (1))，此外将 Group Steiner Tree 问题用作子程序，并认为其独立于其他算法，具有重要意义。

Sep, 2009

研究在 MPC 模型下对图连通性问题进行优化，通过图直径参数化时间复杂度，得到了对于直径为 D 的图的时间复杂度为 O (logDloglog (m/n) n)、总内存为 Θ(m) 的连通性算法，并扩展到生成森林、DFS 序列、最小生成森林和瓶颈生成森林等相关图问题，并指出这些问题的类似界限推导可以应用于更快的布尔矩阵乘法算法。

May, 2018

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

本文研究在带权无向图中的二分查找问题，并给出了一个在查询顶点时几乎达到信息熵下界的算法，同时也探讨了该问题在不同情况下的复杂性。

Mar, 2015

针对具有清晰社区结构的有符号图，我们提供了本地聚类算法，可以在只读取图形的一小部分的情况下，在亚线性时间中回答会员查询并正确分类节点。

Jun, 2022

提出了一种组合优化模型，可以在限定次数的查询下寻找图中两点的连通性，创新性地提出了一种较为可扩展的精确算法以及适用于大规模数据的启发式算法。

Feb, 2023

研究在使用 Reg-GXPath 表达式作为完整性约束的图形数据库中，基于数据值计算子集和超集的修复问题，发现在正面的 Reg-GXPath 碎片中，这些问题具有多项式时间算法，而语言的完整表现力使它们成为难以处理的问题。

Jun, 2022