- 从边缘概率矩阵生成随机图的硬币翻转、球落和草跳算法
用球落和草跳两种方法进行几何随机变量操作，以对稀疏图模型进行公司矩阵采样，其中草跳方法利用 Morton 编码将 Kronecker 产品操作与序列化问题建立了联系。
- 稀疏非齐次 Erdős-Rényi 图的最大特征值
研究不均匀的 Erdos-Renyi 图，探究极限特征值的行为，发现其表现出新颖特征，证明最大度数是其一阶特征，并建立了围绕最大度数的特征点交叉。
- 基于频谱投影器的图傅里叶变换
本文研究了图傅里叶变换，其特征分解通过 $A$ 的乔然子空间进行，多用于大型稀疏图的缺陷邻接矩阵，通过谱投影器表达 GFT，并以真实的城市交通数据集为例进行了说明。
- NIPS关于群聚网络价值数据
本文论述如何应对集合多种网络数据的任务，并提出一种新的在非对称网络中对每个网络节点分配计算特征向量的网络聚类方法。
- 图中的循环数量
本文利用组合数学的方法及邻接矩阵，得出了关于简单图 $G$ 中包含特定顶点 $v_i$ 的长度为 6 和 7 的路径数以及 7 元环数量的明确式子。
- 随机块模型中谱聚类的一致性
研究了随机块模型中谱聚类在社区提取中的性能表现，并表明在最大期望度数的阶数为 $log~n$ 时，谱聚类应用于网络的邻接矩阵时，即使度数很小，也可以一致地恢复出隐藏的社区。
- 社区检测阈值与弱 Ramanujan 性质
通过邻域扩展构建的修改过的邻接矩阵，展现出弱的 Ramanujan 特性，从而在稀疏图中实现社区检测。
- 随机内积图的普适一致潜在位置估计及顶点分类
本文介绍了使用邻接矩阵的特征分解可以一致地估计从分布中独立同分布的潜在位置，并且如果类标签对于趋近于无穷的顶点观察，则剩余的顶点可以使用 K 最近邻分类规则收敛于贝叶斯最优。我们使用模拟数据和从维基百科衍生的图表评估了提出的方法。
- 在未知模型参数时，针对随机块模型的一致的邻接谱划分
研究随机图中将顶点划分为块的谱技术，通过修改邻接谱分区算法，只需估计通信概率矩阵的秩上限，从而在模型错配的情况下实现一致性，也适用于具有多种模态的邻接表以及有向或无向的图。
- 边独立随机图的谱
本文研究随机图模型及其邻接矩阵、拉普拉斯矩阵的谱性质，其中包括对 Erdős-Rényi 图的分析，证明了矩阵与其期望的偏差在一定条件下的上界，并对已有的结果进行了改进。
- 网络中的顶点相似性
本文提出了一种基于顶点相邻度量相似性的方法，通过邻接矩阵迭代计算得到自洽矩阵，测试结果表明该方法可用于计算人工生成和真实网络中的节点相似性。
- 复杂网络中的子图中心性
本文介绍了一种新的中心度量，可以通过节点在网络中的所有子图中的参与情况来表征节点的重要性，具有较好的研究网络图案的性质。研究结果表明，该方法能够更好地区分网络中的节点，并且展现了一定的实用性和可靠性。
- Alon 第二特征值猜想的证明及相关问题
本文研究随机 d - 正则图的第二特征值的概率问题，证明了 Noga Alon 的猜想，并计算了该概率在大多数情况下都以 1/n 的多项式速度衰减。
- 伪分形无标度网络
该研究发现尺度自由随机网络可以用确定性图表征，其离散程度分布由具有 γ=1+ln3/ln2 指数的幂律来描述。该图结构的特性与 γ 在最有趣的区域（2 和 3 之间）的增长随机尺度自由网络的特性惊人地接近。