投稿之后的思考

5月26号投稿之后内心充满着疑惑与迷茫，不知道自己的内容是否会被认可，担心之余又安慰自己不要去想那些，安心做好自己应做的事情。论文投稿之后很多人问具体情况，我都一一做了回答，其实很多博士生不愿意跟别人讲自己投稿的许多事情，我当时觉得问我就说呗，坦坦荡荡的，被拒了也不怕笑话。但回过头来想了想，别人不讲也许也是对的，拒了多尴尬，中了也担心别人明里暗里嫉妒，说一些阴阳怪气的话，索性不说了。嗯，很有道理，以后别人问什么都尽量不说了。

做了两天的答辩秘书，从评审专家那里学到了很多，尤其是他们所问的问题。虽然有的专家并不懂有的答辩同学的方向，但是依然能够问出很有专业水准的问题，所提意见也不是空穴来风，收获颇多。最重要的收获莫过于专家对科研整体的思维逻辑。我觉得任何一个科研方向，或者科研问题，都大概可以概括成以下几板斧：1.要解决的问题是什么？因为我们是工科，专注于解决实际问题，并不研究纯理论的问题，所以做科研首先要明白的一件事就是，我，要去解决什么问题（离群点检测）。2.前人针对这个问题，已经做了哪些贡献？因为我们研究的问题一定不是凭空产生的，前人一定已经针对这个问题提出了许多的解决方案。由这里就可以引出来一个问题，即前人所做的贡献或者说解决方案里，存在什么缺陷？前人一定不是百分百完美解决第一条提出的问题的，绝对存在一些缺陷或者不足。那么针对前人所做的工作中的缺陷，我们要优化（创新点小）或者提出别的解决方案（创新点大）。3.我提出的方法（模型）是什么样的？要有理论依据，推导等。在介绍自己模型的时候一定要介绍清楚，一图胜千言，合适的图会极大提高别人的理解。模型这部分最重要的一件事情就是要逻辑自洽。即为什么通过我提的模型就可以达到检测的效果，其一定是有依据的。别人通过我的模型要充分理解我的思想。4.我做了什么实验来验证我的模型效果？一般来说用真实数据集，跟SOTA算法进行对比，用AUC,ACC,DR,FAR,F1,等评价指标来评定算法的优劣。为了提高实验结果的可信度，应详细介绍算法的参数设置等。目前我用的有MATLAB自己复现的，有用ELKI工具箱的，后面看吧，好多算法还是要自己去复现用matlab，这样才能更加确保实验的公平性。

关于科研的理解，基本上就是这样了。以前过多的关注于模型，忽略了数据集与评价方法等。这部分的工作欠缺太多，是接下来一阵子要努力去做的一些事情。要想成为领域专家，必须要对全套的流程了如指掌。工作量很大，难度不小，但是每天一点点做，压力不要大，不要想太多别的乱七八糟的事情，每天比前一天更加优秀就行。