轮廓算子：从一维投影识别低秩测度

研究提出"轮廓算子"框架，将测度映射为一维线性前推的有限集合，证明精心选取的 2k 个投影边缘分布足以识别 R² 上紧支撑的秩≤k 符号测度，且该数量最优、投影方向不可任意选取。基于此框架提出计算高效的"轮廓混合估计"（SME），通过匹配一维投影边缘分布的 Wasserstein 距离构建低秩经验测度，结合一维密度估计器后，在中等维度和样本量下优于参数、非参数及深度学习基线。