本文探讨了联邦学习中ADMM与变分贝叶斯（VB）方法的关系，提出了一种结合两者优势的新变体。研究发现，ADMM的对偶变量与VB的各向同性高斯协方差参数相关，数值实验验证了这种联系能提升联邦学习的性能。

本文探讨了将压缩传感和矩阵补全方法与健壮谱聚类结合，以解决多类聚类问题。研究提出了一种低复杂度的子空间聚类算法，适用于高维噪声数据，并分析了动态随机块模型下的谱聚类算法，提出了改进的稀疏性和平滑度关系描述，研究了高斯协方差估计及其在谱聚类中的应用。