本研究解决了子高斯分布在高维统计任务中有效学习算法的不足。通过证明每个子高斯分布是SoS可认证的，提出了一种新方法，为鲁棒均值估计和聚类等统计任务提供高效算法，显著提升高维统计分析的效率。

本文提出了一种基于最大均值差异（MMD）的双样本检验方法，分析了在样本选择偏差和高维情况下的统计检验能力。研究了MMD在ε污染下的估计问题，并提出了改进的估计方法，展示了其在变量选择和神经网络检验中的应用，强调了方法的有效性和统计功率。