待验证50% 置信事实精确时间
在DRO中，Wasserstein距离用于构造以经验分布为中心、半径为ε的模糊集，即所有与经验分布距离不超过ε的分布。
1
来源数
50%
置信度
长期有效
时效性
2026/11/2
首次发现
来源
涉及实体
相关事实
待验证切片Wasserstein距离（SWD）通过将高维分布随机投影到大量一维方向上，在每个方向计算Wasserstein距离后取平均，从而降低计算复杂度69% 相似待验证2-Wasserstein 距离相比 KL 散度对分布支撑集的几何形状更敏感，即使两个分布支撑集不重叠也能给出有意义的有限距离值68% 相似待验证Wasserstein距离通过将聚类划分表示为概率测度并求解最优传输问题，绕过标签置换问题，度量将一种划分搬运成另一种划分所需的最小总代价67% 相似待验证Wasserstein距离对分布支撑的几何位置敏感，在比较连续回答空间上的分布时尤为自然。67% 相似待验证分布鲁棒优化（DRO）的核心思路是在一个模糊集内优化最坏情况下的表现，而不假设数据分布完全已知66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1125683API
curl https://kongchang.com/api/v1/knowledge/claims/1125683MCP
get_claim(id=1125683)