光华管理学院王汉生研究团队联合相关高校研究人员，围绕大规模数据分析与高维统计建模中的关键技术瓶颈，系统开展分布式统计学习方法研究，服务于大数据智能分析与复杂决策支持等重要应用需求。针对高维特征与超大类别数条件下传统分类模型计算效率低、扩展性不足等问题，团队探索形成了类别分布式建模与计算的研究思路，构建了适用于多分类任务的分布式统计学习方法体系。

    在研究过程中，团队突破传统单机建模和样本切分的技术路径，强调模型结构与计算架构的协同设计，引入循环结构工作机制和参数降维思想，有效提升了模型在分布式环境下的计算效率与整体稳定性。相关研究系统建立了高维大类别数情形下的分析框架和理论基础。