17.论文写作的感想，顺便简单解释无监督学习

论文已经写了很多，虽然明知道不合格，但是这已经是第二遍了。第一次改了7版，然后老师说各种不合格。我就说那保留工作内容，理论部分重写。

2018.05.29已经重写了一份了，实现部分隐去，重点写理论。老师还是觉得不行。

又和老师聊了，应该是论文写的不够抽象，很多东西都是针对具体情况写的，更多是为了实现简化模型，没有抽象的内容。

2018.5.31

今天开组合总结了一下自己的进度。东西做出来了，问题解决了，但是都是实现层的东西，没有上升到研究的高度。我得整个转换一下思路，从研究的角度重新琢磨一下我的工作了。毕竟实际目标不是解决问题，而是发论文。研究出的东西能发出去就是好东西。换换脑子。。。

2018.6.19

方法行了，结构不行

2018.7.6

写得和草稿一样，口语化的东西太多，格式错误不标准的地方太多。变量要斜体，角标要小写，图片要标号。参考软件学报和计算机学报的内容改改吧。

一晃6年没写过作文了，这六年只写过实验报告，是我自己的错，还是大学教育的问题？反正别人写的都合格了，那就是我自己的问题。可能小说看多了，没有营养的垃圾文学，拉低了我的文字水平。

博客还是写技术吧。最近在论文里加入了无监督学习和softmax算法。

以后很难有代码了，全都是理论。

无监督学习也简单，以分类问题为例，类似在坐标系中画点，我们要分类的数据中有某些不变的东西，我们称为特征。特征的挖掘也是一个很困难的研究方向，在深度学习之前很多机器学习算法都是靠人工指定特征。从数据中提取特征的过程我们不提，反正如果把每条数据的特征画在相应维度的坐标系中那么只要数据类别相同那么特征点的位置应该也很接近。那好了，我们把所有的点都画在坐标系上，把分布密集的几个中心做为类别，周围零散的点都分到这几个类别里。这样不同的类别就区分开了，至于这个类别具体叫什么名字，我们看实际需求了。如果只是分类以后简化处理，那只要抽象的标号就可以了，后面结合其他方法。如果要直接使用可以人工标记少部分数据，转化为半监督学习。

参考

常见聚类算法 https://blog.csdn.net/Katherine_hsr/article/details/79382249

GMM模型 https://blog.csdn.net/jinping_shi/article/details/59613054

softmax：https://blog.csdn.net/wangyangzhizhou/article/details/75088106

softmax应用（有代码）https://blog.csdn.net/TaiJi1985/article/details/72876087