本研究提出了一种学习交替最小化算法（LAMA），用于解决计算机断层成像中的逆问题。LAMA结合数据驱动与经典技术，显著提升了重构的准确性和稳定性，实验结果表明其性能优于现有方法。

本研究提出了一种高效的主题发现算法LAMA，用于解决多维时间序列中的主题问题。LAMA通过识别相关子维度和最佳模式，提高了模式发现的效果。实验结果表明，LAMA在检测有意义模式方面优于现有方法，且计算复杂性不变。