本文提出了一种基于 MDL 原则和子组列表的分散感知问题制定的子组集发现方法，提出了 SSD++ 启发式算法，能够返回具有强烈差异的均值和小变差的紧凑子组的非冗余集合。

Jun, 2020

本文采用基于 MapReduce 的子群发现方法对海量在线公开课（MOOC）中不同类型的学习者进行分类和描述，旨在发现出现在不同 MOOC 中的 IF-THEN 规则。实验结果表明，该方法优于传统的顺序子群发现方法，运行时几乎保持不变，发现的子群也减少了一到两个数量级。此外，发现的子群可供课程教师用于描述以及推荐或个性化任务。

Feb, 2024

介绍一种用几何模型来解决多约束条件优化问题的方法，并在布尔可满足性问题和球体堆积问题两个基准测试中说明了其有效性和竞争性。

Dec, 2007

我们考虑寻找置换群 S_n 的子群 H 的问题。我们提出了一种方法，可以在满足一定条件的情况下发现隐藏的子群 H。我们的结果表明通过学习一个 S_n 不变函数和一个线性变换可以发现任何类型为 S_k (k ≤ n) 的子群。我们还证明了循环子群和二面体子群的类似结果。最后，我们提供了一个可以扩展到发现 S_n 的其他子群的通用定理。我们还通过图像位数和对称多项式回归任务的数值实验验证了我们的结果的适用性。

Sep, 2023

本研究通过图形模型的理解和动态规划技术，基于组稀疏模型的组结构，解决了组模型选择问题，提出了一种修正的组模型，并研究了两个可操作的模型的群稀疏逼近的 Pareto 前沿以及选择和计算的权衡。

Mar, 2013

该研究介绍了一种基于主观趣味性框架的方法，用于在高维数据中查找最具信息量的子组。该方法可以同时考虑多个实值目标属性，并且通过迭代数据挖掘支持知识的应用。

Oct, 2017

通过 Monte Carlo 树搜索算法解决模式挖掘的多样性问题，该算法具有高效性和通用性。

Sep, 2016

本文详细介绍了约束聚类算法的背景和各种可用约束类型的评级分类，重点研究了基于实例级对偶约束的约束聚类及应用程序和历史背景，并对 307 种约束聚类方法进行了统计分析，根据其受欢迎程度和验证质量对其进行了分类和排名评分，最后提供了潜在的陷阱和未来的研究方向。

Feb, 2023

该论文研究 Constraint Model 的性能如何通过将子问题转换为单个表约束来提高，提出了识别有前途的候选子问题的启发式方法，并自动将它们转换为表约束。在 Savile Row 约束建模工具中，完全自动地发现有前途的子问题并将其制表以避免多次制表。通过表述约束表达式的简单算法，我们对早期的制表工作中使用的基准问题表现出良好的表现，对于一些新的问题类别也表现出良好的效果。在某些情况下，完全自动的过程导致求解器性能增长数个数量级。

Feb, 2022

本文提出两种新的高效算法 Graph-IHT 和 Graph-GHTP，以优化各种应用中的高维数据分析。这些算法基于优化一个通用非线性目标函数，附带连接约束的变量支持，特别是在子图检测应用中，这些算法可以应用于优化几种著名的图形扫描统计方法，并取得了比现有技术更好的成果。

Sep, 2016