本文提出了“统计维数”概念，探讨SQ算法在复杂分布下的应用，首次精确表征查询容差的必要性。研究高斯边缘下的伪装学习问题，给出统计查询下限，证明样本复杂度与计算复杂度之间的超多项式差距，并提出新方法解决无监督估计问题。

本文探讨了高维学习中高斯分布的统计查询下限技术，分析了样本复杂度与计算复杂度的超多项式差距，并提出了新的无监督估计方法。研究涵盖高斯混合模型、线性分类器和独立成分分析（ICA），并提供了算法的性能保证和复杂度下界，强调了统计查询算法在学习理论中的重要性。