高斯混合模型的鲁棒学习

我们解决了鲁棒统计学中的一个主要突出问题。具体而言，如果 $X$ 是两个任意 $d$ 维高斯分布的等权混合，我们设计了一种多项式时间算法，该算法在给定来自 $X$ 的样本（其中 $\eps$ 比例的样本已被对抗性破坏）的访问权限下，能够以 $\poly(\eps)$ 的误差（在总变差距离的意义下）学习 $X$。