近几年ICCV，CVPR,和ECCV论文列表[转载]

原文链接：http://www.cnblogs.com/cutepig/archive/2007/08/07/846945.html

http://www.informatik.uni-trier.de/~ley/db/conf/iccv/index.html

http://www.informatik.uni-trier.de/~ley/db/conf/cvpr/index.html
http://www.informatik.uni-trier.de/~ley/db/conf/eccv/index.html
总目录

http://www.informatik.uni-trier.de/~ley/db/

/***********************************************************************************************************/

Most cited ML papers in citeseer（before 2002) 
http://citeseer.ist.psu.edu/MachineLearning/ 

这个页面列出根据citeseer 统计数据，被引用最多的机器学习论文，浏览了一下，内容都很老，都是2000年以前的，毕竟啊，好像那个统计是02年做的，新论文肯定引用少了。 

浏览的时候，注意力放在下面几个问题上： 

1，什么题目，做的什么工作 
2，什么人做的 
3，发表在什么地方 

为什么这些工作经过十多年的披沙拣金，留下来了，他们有什么特点。 

没有时间仔细统计了，可能写个程序能得到更精确的结果吧，还是说印象吧： 

1， 做的什么题目？ 
发现以下几类文章容易“青史留名”，被时间证明是有价值的。 
a, 研究热点的大的进展，例如关联规则挖掘的(引用最多的两篇就是）,这是当时（90年代初）DM的热点吧，IBM Research的几篇文章解决了scalable的问题，不过现在已经过时了。还例如特征选择，不过现在基本上没有人研究了。比较近的例子是kanade那篇用神经网络做人脸识别的，因为这个方法成为一个划时代的工作，类似还有cascade classifier(boosting)做人脸的，几乎每个做人脸识别的都要提到。 

b, 某经典方法的原始文献，例如bagging，adaboost的原始文献，以及随后几年陆续出现的两篇理论解释adaboost有效性的文章，另一个例子是正则化网络。但是SVM的原始文献（colt92那篇）没有进入，呵呵，因为christoph burges 1998写的那篇 tutorial of svm for pattern recognition太好了，没有人引用原始文献了。 

c, 热门方法的经典tutorial， 包括类似的introduction to ...., a survey on...，但是有个前提：这种方法一定要热门，你写的一定要深入浅出。 例如刚才说的tutorial of svm on pr. 以及jordan写的introduction to variantional methods in graphical model. 还有包括强化学习的综述。。。 

d, 类似于tutorial或者survey，那种进行comparative study的文章也容易成为经典，这种文章不一定提出新的方法，但是首次通过大量的实验对一系列相关方法进行了评测，为实践中人们选择方法提供了很好的指导。如：A Comparison of Two Learning Algorithms for Text Categorization ，An Experimental Comparison of Three Methods for Constructing, An Experimental and Theoretical Comparison of Model Selection Methods， 

e, 某热门方法在某个领域首次应用，但是不是每篇这种文章都能经典的，得有两个条件：1，这种方法刚出现，但是非常有潜力日后一统天下（几乎吧），比如SVM，2，必须是第一次成功展示某方法能力的，如最早用SVM做文本分类的那篇，就是这样，因为后面SVM的文章几乎都会提到SVM not only has solid theoretical foundation, but also has a variety of successful applications, e.g.,.....都会写第一次用这个方法成功解决某问题的文章。 

f, 第一次使用ML的方法解决一个新颖应用的，也就是最早提出这个问题的，比如那几篇做information extraction from web, 这个应用很有市场，因为后来信息检索，网络信息挖掘大行其道。 

g. 其他的，忘了。 

2，什么人发表的？ 

发现被应用最多的人，也基本上是ML领域很有影响的人，有的成为山头的领袖等等。说明，这些人当领袖之前，也确实是做了一个或几个大手笔，成为代表作。 好像只看到俩华人的名字（肯定有别的，忘了），Jiawei Han和Yiming Yang,两个人都有好几个文章。 Han的哪几个提出新方法类的文章（DM）,Yang那几个属于comparative study性质的。老外的名字不好记，所以都忘了，几个原来就印象深刻的有poggio, kanade, vapnik, walliam cohen, jordan, zobin.....有老一代的，也有年轻一代的，现在正是旺年的。 

3，发表在什么地方？ 
因为水木AI版最近有个小讨论，ML的好工作到底都发表在什么地方了，是AI的综合会议IJCAI/AAAI呢，还是ML专门会议ICML/NIPS类的呢。 发现比较早的工作很多发表在MLJ上，JAIR等期刊上，没有JMLR（那时还没有创刊），除了这些期刊，会议则主要是ICML最多，NIPS大概是第二多吧，IJCAI上的没有看到，AAAI的有几篇，数据库的会议SIGMOD,VLDB也有，信息检索会议CIKM，以及SIGIR（比较少，可能创立晚吧）。