这两天和几个同学都谈了点论文的东西。感觉常常有几个问题常常需要注意下，仅仅个人意见：而且这是都是入门级别的，都是个人意见，请谨慎参考。

   1.论文的立题点
    这个在论文中最关键的。因为你需要说服别人，你的论文是有价值的，你的工作是有意义的。那你就需要展示出你论文最为独特的地方。对于多数论文，都是是算法改进为主的（仅限在图像处理／机器学习/模式识别/搜索相关领域，其他未知）。在这一类以算法改进为主的论文中，论文的独特之处常常以这样的方式出现：
比如说：
      1).算法XXX，没有考虑某个因素，而这个因素在某些情况是很重要的，本文的算法考虑了，因而能贴近实际情况，达到更好的效果；
      2).算法XXX在考虑某因素的时候作了某个假设，这个假设在某些情况下是不合理的，现在我们作出更合理的假设。
      3).算法XXX在A领域被证明非常的有效，但在B领域效果不佳，其原因是A与B有个MM的不同，我们将算法YY方面修改后，使得算法XXX非常有效的适应于领域B，取得很好的效果；
      4).算法A解决了XXX问题，算法B解决了YYY问题，将两者结合起来，能够解决...问题
      5).算法A把因素M与因素N分开考虑，但事实上它们是相关联的，我们将它们结合在一起，用一个XX函数来体现了这种关联关系；或者反之 
      6).线性改为非线性；用遗传算法代替搜索解决组合优化问题；等等
      如果论文看多了，就会陷入一个固定的思维模式，因为绝大多数论文都是采用这样的写法来表述其论文的立意点。只不过，有的确实有用，而更大多数，都是依葫芦划瓢而已。

    以adaboost算法为例，这个算法的改进算法有很多：
       1).正负样本初始权值：由一致改为分别对待
      2).训练过程中权值修正策略：有的是提高分类错误的样本权值，有的是降低分类正确的样本权值，有的是两者皆取
      3).弱分类器类型：stump，CART
      6).体系结构：级联，二维，boost链
      7).由精确的变为模糊的：fuzzy adaboost
      8).弱分类器搜索策略：Float，优化等
      9).。。。
    一个算法，无论怎么改进，都有其具体的应用场景与不足之处。问题是，如果你要对这个算法进行改进，就必须要了解它的优点与缺点，针对不足之处改进，这样才是站得住脚的。否则，如果懂这个算法的人一看，就晓得你的改进是画蛇添足，直接就OVER了。

    事实上，即使是针对不足之处，大部分改进也是无效的，除了本人写写论文之外，不会再有第二个人再来看这个东西。但是，为了毕业，也就这样罢。有时候感觉，这样的狗屁规定很无聊，但在这样的环境下，就这样罢。糊弄篇论文走人是最关键的。

  2.论文思想的描述
    最好的方式是以数学方式来描述算法与观点。
    刚开始写论文的时候，基本上全是文字加上些图表，甚至以代码形式来描述自己的想法。贴代码是很忌讳的，我以为。看英文文献的时候，常常会有些伪代码，国内的也有，但比较少。但直接贴代码的没见过。常常的做法是，需要对你采用的数据结构与算法进行提炼，提炼成为人更容易理解的表达。比如数学公式，比如系统框架图与流程图，比如文字说明，等等。大多数论文都是这些表达方式的结合体。如果数学性比较强点，非常需要对其进行理论方面的分析与讨论。从数学的角度探讨下，为社么你的想法会更有效？算法的改进体现在数学上面，是哪个点？
这一部分是论文的主体部分。当我想说的时候，居然说不出东西来。我想，最好的方式是，找一篇主题相关的论文，然后照着作为模板来写写。要学习的是，该怎么去组织论文的结构?该怎么去展示你的思想？该怎么去把问题以数学的方式表现出来？该怎么去描述你的算法？

    这个是与论文主题与写法非常相关的东西。实在说不出东西来了。OVER.

    3.实验结果
    实验结果也是比较看重的一个部分。因为只有通这些实验结果才能判定给出的算法是否是有效，是否真的达到了预期的改进效果。有的文章确实是展示了算法的改进效果，但如何展示这些改进效果也有点点技巧：
   1).最好给出统计数据，而不是单个数据。
    在图像处理时尤为突出。有的常常给出同一幅图片，通过以前的算法与现有算法的改进效果图，以为这样就足够了。事实上，这会给人一个假象，就是你这个算法，仅仅对这幅图像有效，而对其他图像效果如何，则无从知晓。更好的方式是，文章给出一个评价标准，然后依据这个评价标准，给出两个不同算法对某一系列图像的实验效果的统计数据。然后再从这一系列中图片选取一幅有代表性的展示出来。要注意的是，针对一系列的图像的统计数据才是决定性的，读者是通过统计数据来获得算法的改进效果。

2).侧重展示算法的改进点，并要点明算法改进效果的应用场景。其实，大部分的改进，有利亦有弊。你如何让人信服的承认，你的改进确实有效呢？那就需要找到，你这个改进的应用场景。比如，你的改进算法效果略差，但速度更快，那么在实时应用中就更有实用价值了；又如你的改进算法针对普通图像效果一般，但针对有某一特定噪音(高斯，椒盐等)的图像时，效果更佳；也就说，你要找到你算法的闪光点，并以说服人的方式展示出来。

4. 其他
   数学公式越复杂越好，论文挂的基金项目越NB越好，参考文献英文越多越好，老板越牛X越好，论文写的越模糊越好；如果加点社么数学证明之类的就更精彩了

     写下这篇日志，发现自己也有点BT。当初看论文的时候，发现查到的很多论文都可以归之于垃圾一类的。很郁闷的，自己也生产了一篇，而且现在居然大言不惭的开始教导产生垃圾的经验。很无语。但这就是现实。很多时候人总是会说，社会这样子，自己保持自己的原则，不同流合污就成了。但往往在做的时候就不一定了。你会向现实低头，就看怎么造出一篇垃圾来毕业。还好，我产生的一篇尽管垃圾，但也许有那么一点点经验价值，毕竟是做了一年半实验的劳动成果。
    人总是会变化。总是想不出明天会变成社么样子。想我大四以前，从没想过与图像处理相关的东西，但是没有办法，要去做图像处理，被逼上路。大四学了一个学期，开始慢慢的入门，后来竟然喜欢上了。每一个变化都让我觉得意外。

    就这样罢。反正是随便写点。没人看最好了，免得教坏了小朋友。