1. 选题

2. 调研

不重复造轮子

常见文献检索库:

• SCI数据库（权威数据库) : http://webofknowledge.com/
• ScienceDirect（计算机类别期刊较多) : https://www.sciencedirect.com/
• IEEE（工程类期刊较多）：https://ieeexplore.ieee.org/Xplore/home.jsp
• PubMed (生物医学期刊为主) : https://pubmed.ncbi.nlm.nih.gov/
• Scopus（综合文献库) : https://www.scopus.com/search/form.uri?display=basic#basic

引用该文章的新文献，可能已经有对该文章的改进，关注性能参数，优先考虑最新的文章。

如何找到最优

3. 复现

4. 改进结果

针对对比论文的实验方案，实现井探索改进方案，迭代优化实验结果；

• 采用与对比论文尽可能一样的数据. 验证方案. 建模算法;
• 对比分析：组间差异性;
• 对比分析：过滤法的递增式特征选择;
• 对比分析：包装法的多分类器性能指标;
• 对比分析：与原文的同样性能指标对比;

5. 优化算法

收集顶级学术论文中同样问题模型的分析算法，整合设计一个完整特征选择或特征工程算法：

• 训练样本：样本扩增;
• 原始特征：去噪音、缺失数据处理、超高维度特征初笑;
• 原始特征分组：基因组坐标相邻、功能相关、表达蛋白质的细胞定位相同;
• 特征工程：不同网络模块串联、注意力机制、网络模型压缩;
• 特征选择：多视角独立选择、分步骤选择、去冚余;
• 有监督学习：多分类器对比、stacked classifier、ensemble classifier;
• 参数调优：grid.search;

6. 论文方案

设计一篇论文的主要部分：

• Related studies
  $\vee$ 本问题近5年所有研究论文，描述算法基本思想、验证方法、主要性能指标、参考文献;
• Materials and Methods
  $\vee$ 本文提出的算法：详细定义；
• Results and Discussion
  $\vee$ 数据集基本情况;
  $\vee$ 本文算法主要模块及参数的优化;
  $\vee$ 消融实验;
  $\vee$ 与现有类似算法的结果对比;

7. 论文写作

写作Results and Discussion部分的过程中，根据需要不断扩充其他部分:

• Outline：至少5个小节、注意小节标题间的逻辑关系、重点是说明 “我的算法好!”
• 每一篇论文都只有一个主题，与该主题无关的内容不要写!
• 用到某个数据集或某个算法，到Methods部分写作相关数据集或算法的描述;
• 然后写Conclusions;
• Introduction部分写作的目的是为了引出：为什么要研究本文的成果! 譬如:
  $\vee$ Enhancer很重要
  $\vee$ 现有检测技术太耗时耗力
  $\vee$ 计算预测效果挺好，不过现有论文的结果有改进空间;
  $\vee$ 本文设计了一个不错的算法, 性能有提升!
• 最后考虑题目和摘要的写作

8. 投稿审稿

投稿审稿流程：

• 写好论文全文、参考文献用软件自动格式化;
• 针对计划投稿的期刊，查看该期刊的网站上 “投稿须知” (Instructions for Authors) ;
  $\vee$ 按照模版调整论文格式；
  $\vee$ 按照该期刊要求或模版，来格式化参考文献;
  $\vee$ 写好投稿cover letter;
  $\vee$ 图表格式化;
  $\vee$ 推荐审稿人；
• 编辑部初审:
  $\vee$ 是否满足 “投稿须知" 的要求;
  $\vee$ 是否有抄袭（自动查重）；

9. 论文修改

逐条回复编辑和审稿人的所有意见!

• 态度很重要!
• 审稿人是正确的！
• 审稿人没看到我们写的内容，一定是因为我们没有写清楚!
• 审稿人的意见如果确实是错误的，我们也可以respectfully disagree！并解释。
• 编辑的意见也要逐条回复!

逐条回复编辑和审稿人的所有意见:

• 原文：
  $\vee$ 认真修改论文;
  $\vee$ 用特定颜色 (訪如红色) 字体标记出所有修改内容;
• 审稿意见回复:
  $\vee$ 逐条列出editor和reviewers的审稿意见;
  $\vee$ 逐条回复: 总结修改的内容, 明确涚明在哪一小节加了什么内容 (简述，不需要重新列出) ;
• 英文修改的证明：
  $\vee$ 商业修改服务公司可以出一个修改证明;