CS专业毕设选题推荐

# 1 前言

🔥 Hi，这里是丹成学长，应各个同学的需要，学长今天给大家讲一讲国外计算机留学生如何做毕设，如何选题！

大部分国外环境和国内差异还是比较大的(日本除外)，留学毕业难度确实是比较大的，主要是应为绩点卡的比较严格！

这几年对接了很多留学的学弟学妹，发部分反应，在学校基本也是靠自学过来的，但因为环境问题，大部留学的学弟学妹其实水平要逼国内院校要差一点！

但好处是项目自由度更宽松，一般是不会出现类似国内的情况，老师逼学生一定要做哪个主题或者方向 !

2 选题指导

🥇 如何避坑(重中之重)

毕设选题实际上对很多同学来说一个大坑， 每年挖坑给自己跳的人太多太多，选题选得好后面的答辩以及论文撰写会轻松很多，选的不好就是一个无穷无尽的折磨。。。。

🥇 为什么这么说呢？

其实这主要是由于大部分同学对某种具体场景所需要的技术不清晰而导致的，定题的时候想当然的觉得某种功能是很好实现的，但是实际上往往并非如此。

所以，建议对课题实现技术不清晰的同学，最好是找自己的研究生学长或者老师详细的把关机技术以及实现流程理清楚，当然也可以来问我。

🥇 难度把控

(对于只要求顺利毕业的同学)定题不能定的太难，也不能定的太简单。太难了，自己做不出；太简单了，工作量不够，论文也没法写， 甚至进不了答辩。

🥇 题目名称

还有，最近很多同学跟学长反应，自己定的题目总是被老师打回去，这还真不怪老师，我看到你们定的题目也是哭笑不得。。。。。

学长在这里给你们分享一个定题标准，跟着这个标准定题准没错：

“使用了什么算法(技术) + 在什么场景下 + 解决了哪一类问题”

🥇 最后

学长可提供毕设指导，对毕设有任何不明白的，对某项技术或算法不理解的，不知道怎么下手毕设的，都可以问学长，学长会根据你的情况提供帮助，希望能帮助到你。

3 选题推荐

• 基于深度学习的车牌识别系统设计与实现

• 深度卷积神经网络及其在人脸识别中的应用

• 深度增强学习理论研究及其在视频游戏上的应用

• 基于深度学习的机器人室内场景识别

• 基于深度学习的哈希方法在多粒度图像检索中的研究与实现

• 基于深度学习的网站验证码识别系统设计与实现

• 张量分解在生物信息学的应用

• 基于点过程的产品流行性预测

• 基于循环神经网络的静态代码分析

• 社交网络用户关系研究

• 在线社交网络中用户兴趣演化分析与建模研究

• 社交网络上信息传播行为分析与计算机模拟研究

• 心电图数据研究

• 轨迹数据的语义表征与学习

• 基于深度强化学习的NPC自主训练模型构建的实现

• 基于LSTM完成对英文词性标注的设计与实现

• 基于机器学习的中文情感识别研究

• 基于深度神经网络的高质量词向量生成方法研究

• 基于地图数据的新加坡出租车接送乘客轨迹可视化及需求预测

• 医疗健康档案信息可视化系统设计与实现

• 活动轨迹的语义表达与搜索技术研究

• 基于电信大数据的自我中心网络可视化研究

• 基于DCGAN的cifar10数据集生成设计与实现

• 城市自行车的出行行为分析

• 商场中精确定位用户所在店铺

• 基于出租车轨迹数据的可视化研究

• 学生行为习惯“画像”可视分析平台

• 基于地图API的高铁运行地图的设计与实现

• 基于大数据技术的职业岗位画像设计与实现

• 基于协同过滤的用户移动轨迹信息预测研究

• 可视化展示数据处理中心的设计和实现

• 基于新浪微博的分布式爬虫以及对数据的可视化处理

• 基于公共自行车数据的城市居民职住地分析

• 动态网络上的表征学习

• 基于社交网络交换的物品分配问题

• 基于复杂网络的QQ社交网络的用户关系研究

• 基于复杂网络的城市地铁交通网络研究

• Internet自治层网络的重要结构特征研究

• 基于深度学习的心律失常的自动分类

• 基于深度学习的糖尿病视网膜疾病诊断研究与实现

• 基于深度学习的人物头部着装分类研究与实现

• 基于深度学习的人脸检测与识别系统设计与实现

• 基于深度学习的情感分类

• 基于深度学习的场景分类研究

• 基于深度神经网络的标题分类研究

• 基于DeepLearning的图片分类

• 基于深度学习的图像检索

• 基于深度学习提取图像视频特征

• 基于深度学习的图片风格转化

• 基于深度学习的多模态检索

• 基于深度学习的医学图像分割

• 基于深度学习的辅助药物设计

• 基于深度学习的异常检测

• 基于深度学习的声纹识别

• 基于深度学习的推荐系统设计与实现

• 基于深度学习的车辆特征识别研究与实现

• 基于深度学习的入侵检测系统设计与实现

• 基于深度学习的呼吸监测

• 基于深度学习的零样本和少样本学习

• 基于深度学习的大数据预测方法

• 基于深度学习的字体风格转换方法

• 基于深度学习的肺癌检测方法研究

• 基于元胞自动机的复杂系统涌现现象分类方法研究

• 机器学习在MCI疾病分类中的实现

• 基于深度学习的视频中物体快速搜索算法

• 基于深度学习的图像检索算法研究

• 基于深度学习的图像分割算法研究

• 基于深度学习的网络游戏流失玩家预测算法研究

• 基于机器学习的短时交通流预测算法的研究与实现

• 基于机器学习的问答评价算法设计

• 基于机器学习的问答推荐算法设计

• 基于增强学习的物流优化算法研究

• 基于深度网络的年龄预测算法研究

• 基于深度网络的RGBD图像分割算法研究

• 基于对抗神经网络的图像超分辨率算法研究

• 基于记忆网络的视觉逻辑推理算法的研究与实现

• 基于贝叶斯网络的因果关系研究及算法包实现

• 基于端到端神经网络模型的词义消歧算法研究

• 基于社交网络结构的社会推荐算法研究

• 多层社交网络的链路预测算法研究

• 社交网络中的位置推荐算法研究

• 社会网络下算法博弈的研究与实现

• 基于反向推荐的个性化推荐算法研究

• 基于推荐算法的商品流行性预测算法研究

• 基于轨迹数据的最优路径推荐算法设计与实现

• 基于泊松分解的推荐算法研究与应用

• 基于图像的人群聚集检测算法研究与实现

• 图像去雾算法的研究与实现

学长项目展示：

植物识别：

手势识别：

股票预测

自动驾驶，车道线检测：

项目较多，其他的不一 一展示了。。。。。。

特别提醒：毕业设计的选题求稳别求新。学校鼓励创新，也给予支持和辅导。但是做设计和论文的过程会非常的艰难，因为过于新颖，导致无法找到文献、数据、基础知识支撑。不利于结题和高分毕业。

3 关于答辩

国外毕设大部分要求做的是算法类，其实涉及算法原理一般是不会问到的，除非有很明显的漏洞，很多导师也建议学生在答辩过程中原理、背景一句话带过，要是被答辩老师发现原理讲不清楚，那就很糟糕了。主要问到了数据来源、我们的算法有没有参考现有的算法，相比之下有什么优势或劣势（最好有指标量化）、跟其他相关的算法有没有作比较、有什么实际的应用价值或应用场景等等。

答辩流程一般如下:

1.演示答辩PPT(背景及意义、项目需求、项目设计、项目实施、项目总结)，5到6分钟。
2.系统演示，能正常运行完系统。
3.答辩老师提问，问题目意义等，或许问到代码问题、功能靓点、算法等。

最后总结：不要紧张，按照流程，一步一步来，答辩老师一般不会卡人，或者不会为难你的，代码一定要清楚在哪里，全部功能是怎么实现的，要能马上找到代码，大概解释功能实现的过程，就不会问你很高深的，算法就问下原理的，论文格式什么的要写好，答辩老师就问3到4个问题，最后祝大家顺利毕业

毕业不只是毕设项目做的好

大部分英美澳院校，绩点评分的衡量因素有到课率，课堂作业，课堂发言，小组作业、研究项目、论文以及考试等等（考试比重仅占30%甚至更低），对于比较内向的孩子很不友好，导致绩点低还是难毕业的。

学长教大家两招：

已经确定无法毕业——可通过学校给的重修机会补救/转学到其他大学，继续完成本科。

还有提升学历打算——可通过跨本申硕的方式申请短期的授课型研究生，1-2年完成硕士课程，拿硕士学位

**毕设帮助, 选题指导, 项目分享: ** https://gitee.com/yaa-dc/warehouse-1/blob/master/python/README.md