$ε$-随机点的核核心集
本文首先研究了不确定点的ε-核核集的构造，并给出了在逼近不确定函数的范围、保持随机运动点的范围测度和一些不确定形状拟合问题中的一些应用。 随机点的ε核核集
本文开始研究为不确定点构造$\epsilon$-核核核集，并展示了在近似不确定函数的程度、保持随机移动点的程度测度以及不确定条件下的一些形状拟合问题方面的一些应用。 计算二维最优核
引入了ε-核的概念，即位于ch p p q内的凸多边形，并证明了它是最佳ε-内核的一个很好的近似，并给出了一个有效的计算算法。 ε核的稳定性
通过改变近似因子e研究了e核在P点的动态插入和删除下的稳定性，其更新速度比任何保持e核大小为O（1/e（d-1）/2）的已知算法都快。 ε核的稳定性
研究了eps核在对P点进行动态插入和删除以及通过改变近似因子eps的情况下的稳定性。 最小宽度环壳的近似算法
本文扩展了该算法，使得对于任意给定的参数ε>0，在时间O（n log n+n/ε2）中计算了一个包含S的环，其宽度最多为（1+ε）ω*。 k线中心的近似算法
一种随机算法，在给定P和ε>0的情况下，计算半径为（1+ε）w*的k个圆柱体，覆盖P，该算法基于采样和迭代加权计算圆柱体。 使用核心集近似最小体积封闭椭球体
描述了一种算法，该算法使用哈奇扬算法求解每个子问题，计算O（ndα+αlogα）运算中S的最小体积封闭椭球的集合X和（1+）-近似。 计算核集和高维近似最小封闭超球面
这项工作开发了在实践中表现良好的（1+）-近似算法，特别是对于非常高的维数，此外还具有可证明的保证，并证明了大小为O（1/）的核集的存在。 基于核集的近似聚类
结果表明，对于几个聚类问题，可以提取一小部分点，因此使用这些核心集可以有效地执行近似聚类，这比以前已知的聚类方法有了实质性的改进。 使用核心集的高维近似最小封闭球
这项工作开发了（1+ε）-近似算法，该算法在实践中表现良好，特别是对于非常高的维度，除了具有可证明的保证外，还证明了大小为O（1/ε）的核心集的存在，改进了O（1/ε2）的先前界。 k线中心的近似算法
描述了一种算法，给定P和？>0，计算覆盖P的最大半径为（1+？）w*的k个圆柱体，该圆柱体使用基于采样和迭代加权的著名方案来计算圆柱体。