- 技术不够炫. 如果没有原始创新, 那至少技术要够新.
- 比较方法单一 (SVM)
- 数据集少 (仅一个数据集)
- 缺乏足够的物理意义解释
- 缺乏对数据本身特性的分析 (定制算法, 调整参数), 从应用背景多做分析. 想要一个普适性的算法, 还是专门为某个具体应用获得有意义的结果?
- 比较图要清晰, 易于辨识. 如果重叠的话, 用不同的标识 (+, *, o).
- “设计属性提取算法”. 实际上, 神经网络才是最好的属性提取器.
论文修改建议 (ZhangJ 20211102 应用型论文的痛)
最新推荐文章于 2024-05-20 10:24:40 发布