关于流形学习论文SCI的迷惑,到底咋找idea

谢邀首先说一下流形学习是2000年提出来的一个新的方向,到现在总共也没多少时间,而且当年提出来的大牛的本意是为了解决他们自己的问题而将几何的流形概念引入数据降维,当发现结果还不错的时候,就留下这个烂摊子走了,结果导致这么多年来在理论上是没有什么进展的,题目里说到“很多论文都是大框架不变,内部做一些改动,或是直接各种算法的融合。”这个主要就是现在主要的那几个方法仍然是当年提出来的,这么多年大家做的工作就是对这几个方法的小的改动以及将这些方法试着用着别的机器学习的问题上,一般能达到的最好的效果也就是和原来的方法不相上下而已。当然由于在理论上没有什么突破,因此做这个的就很冷门,很多人只是来借鉴一下其中的局部化思想而已,因此期刊的论文创新点真的不多,在顶会也很少有这个方向的研究。这个就是现状了。对于找ider这个事来说,我个人觉得主要是以下几点。首先我们要知道流形学习主要是用来做数据降维的,不管什么样的思路都是通过保持内部的几何特征,然后将最优化为题转化为特征值求解,本质的思想是局部化,这样我们就会发现可以将这个用在什么地方了,也可以知道从哪里可以改进了,现在对于近邻图的研究已经做了很多了,所以这个方向基本是很难有什么突破了,目前根据我的理解有两个地方你可以试着关注一下就说多流形的问题,以及在大数据环境下的增量与集成问题。先写到这吧,小学生,水平也不高,大家多指正,谢谢
■网友
谢邀。题目中说“看到标题中的SCI就会吐槽应该看会议”,是的,CS方面EI、SCI索引其实不是很重要,主要是看会议和期刊本身质量。要做一个方向,比如题目中说的“流形学习”,那么应该先对这个领域做一定的调研,知道这方面什么东西还能做,什么东西已经被人做完了。大部分方向都是越做越没得做,越做越难,“流形学习”已经发展了这么久,确实剩下的没人做过的东西比较少,而且比较难。具体找idea的建议就是:看近两年顶会上的paper,找你要找的方向,学一学人家怎么看问题,再找idea。


    推荐阅读