计算机会议良莠不齐

每天都从Dbworld收到各种计算机会议的约稿函,觉得良莠不齐,我想大家也有这样发现。
我个人对会议差别说一些自己的浅见。

 

哪个计算机会议可以去投稿?

1  影响因子:影响因子越高,越值得投

2  录用率: 录用率越低(好会议一般20%以下,50%以上就是垃圾会议),越值得投,但是结合文章的水平,但是不是绝对。IJCAI-07录用率在20-25%,而IICAI-08在18%左右。

3  会议主席以及邀请报告专家的水平

4  会议的人气:是专业会议还是学科会议

5  会议论文集出版社

6  会议届数: 届数越多,会议有持续性

7  审稿时间长短:一般1-2个月,部分达到3个月。(1-3周内审稿的,没有说服力)

8  审稿的人意见,认真度,决定有没有必要注册会议

9  会议的费用:好的会议,费用一般都可以接受(人民币:1500-5000)

10   会议简化名字同名字很多,差一个字母,级别差距甚远。

如何识别垃圾会议?
1 第一或第二次举办或挂在其它会议名下的小case.
2 会议审稿周期很短,审稿意见非常简单,很少涉及文章的内容
3 会议主席或邀请的人或审稿的人,地缘过于集中,而且没有名气,DBLP可以检索这些人的文章
4  会议出版社不知名,有的会说,最好文章会被LNCS or LNAI or IEEE or ACM etc出版
5  会议费用高
6  会议部分论文的扩展会被XX国际期刊作为专刊接受
7  会议主题太泛
8  会议提交系统不正规,比如用邮件。正规会议一般都是easychair,当然IJCAI有自己的网站提交系统。

不过在中国这样学术环境下,垃圾会议也是很好的补充!
我们会发现,很多现在牛人,在开始进入学术道路的时候,也曾经发过垃圾会议。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
当KL值小的GMM模型的ARI值表现良莠不齐时,可能有以下几个原因: 1. 数据分布不满足高斯混合模型假设:GMM假设数据分布由多个高斯分布组成,每个高斯分布对应一个聚类簇。如果数据分布不符合这个假设,即数据不是由多个高斯分布组成的,那么使用GMM进行聚类可能会导致ARI值表现不佳。 2. 聚类数目选择不当:GMM聚类中需要选择合适的聚类数目。如果聚类数目选择不当,可能会导致模型无法很好地拟合数据,从而影响ARI值的表现。如果聚类数目选择过多或过少,都可能导致聚类结果不理想。 3. 模型参数估计不准确:GMM模型的参数估计对于聚类结果的影响很大。如果模型参数估计不准确,例如使用不合适的参数估计方法或初始化方法,都可能导致聚类结果不准确,从而影响ARI值的表现。 4. ARI本身的限制:ARI(Adjusted Rand Index)是一种用于度量聚类结果与真实标签之间的相似度的指标。然而,ARI也有其局限性,对于某些特定的数据分布和聚类结果可能不敏感,导致在某些情况下无法准确评估聚类的质量。 综上所述,KL值小的GMM模型的ARI值表现良莠不齐可能是由于数据分布不满足假设、聚类数目选择不当、模型参数估计不准确或ARI本身的限制等原因导致的。在使用GMM进行聚类时,需要综合考虑这些因素,并对模型选择和参数估计进行调优,以获得更好的聚类结果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值