如何改进算法来发表论文

最近看到许多同学为了找到大论文中的创新点是殚精竭虑，每天在教研室是如坐针毡，非常的痛苦。我个人觉得，创新点就像是机遇一样，说来就来，说走就走。李开复老师曾经说过，创新是需要积累的。在找到创新点之前，我们需要大量地阅读相关的论文或书籍，并反复地比较相关理论或模型的异同。如此这般，才能有创新的火花在我们的大脑中迸发出来！ 就个人而言，我喜欢将看过的论文都记录下来，以备以后查看。据不完全统计，我已经阅读了中文小论文106篇，英文小论文35篇，中文大论文(优秀硕士或博士论文)27篇。在写小论文或大论文的时候，我就将看过的论文记录拿出来再阅读几遍，发现彼此之间的相同或相似之处。对于有可能会产生创新点的论文，我会反复阅读，直至彻底理解为止。我写的小论文和大论文中的某些创新点，几乎都是通过比较相关论文的创新点中算法的相似性而得出的。因此，科学思维中的联想、类比等在写论文的过程中也是很有用的。我就和同学开玩笑说，我一定要将《自然辩证法》多看几遍！ 结合自身的经验，我认为找到创新点有以下途径：途径一将论文A的X理论应用于论文B的研究中 这种方法可以称作“移花接木”。例如，我在写大论文的过程中，要涉及到对P2P网络中的搭便车者数目进行预测，而我在另外的一篇论文中了解到用灰色系统理论可以预测人口的多少。我一想，搭便车者不就是人吗？预测人口数量也就类似于预测搭便车者的数量，那么我就可以将灰色系统理论应用于我写的大论文中，这样一个创新点就产生了，剩下的就是进行大量的实验仿真来证明我的结论是否正确。 将不同领域中的算法互用的例子比比皆是。例如，网络中的经典算法— 迪杰斯特拉算法 就是一例。这个算法本来是数学领域中的，网络研究者们将之应用在路由算法中。途径二参照A论文的X算法改进B论文的相关算法 这不是算法的应用，而是对现成算法的改进。例如，我在写小论文《一种基于云的加权信任模型》的时候，就使用了这种方法。当时，我读到了一篇小论文《基于云模型的信任评估研究》，里面就有两个算法，而其中一个算法与我读到另一篇论文《基于云模型的主观信任评估》中的算法很像，只是少了一个权值。我立马想到如果在此算法中也加入权值，那结果会怎样呢？于是，一个创新点就这样产生了，一篇论文也就写出来了。 大部分论文的创新点都是对算法的改进，因此，途径二用得最多。途径三将A论文的X模型与B论文的Y模型合并为C论文的Z模型 这种方法没有对算法进行改进，而是将两种模型合并为一种新的模型。在我写大论文的另一个创新点的时候，我已经建立了P2P网络的模型(一个三维的立体结构)，就差用一种算法来遍历网络中的各结点。这时，我阅读了一些算法的书籍和论文，其中有提到用模拟退火算法可以遍历整个网络。于是，我将P2P网络模型与模拟退火算法模型结合起来，产生了一种遍历网络的新算法，并且用仿真实验证明该模型切实可行。 该方法可以说是一种综合的方法，在应用之前需要弄清楚两种模型是否可以结合，并且一定要有实验的论证。 以上三种方法是我个人在写小论文和大论文的过程中所采用过的方法，觉得还是有一些道理的，并且也的确能够将创新点找到。对于硕士生来说，要发明新的方法或理论是很困难的，在我阅读过的论文中，没有一篇做到了。但是，对算法进行改进、应用或组合却是我们力所能及的。要找到创新点，积累是关键，也就是我们要多多阅读、多多总结，并且保持一颗好奇和善于发现问题的心。 如果把找到创新点当作“黎明”，那么现在就是“黎明之前最黑暗的时候”。只要你坚持下去，相信胜利就在眼前！

楼主对于这种问题的答案完全可以上SCI了，知道答案的人都在写论文中，所以我可以给几个改进方向给你提示一下：1 SVM是分类器对于它的准确性还有过拟合性都有很成熟的改进，所以采用数学方法来改进感觉很难了，但是它的应用很广泛 SVMRank貌似就是netflix电影推荐系统的核心算法，你可以了解下2 与其他算法的联合，boosting是一种集成算法，你可以考虑SVM作为一种弱学习器在其框架中提升学习的准确率SVM的本身算法真有好的改进完全可以在最高等级杂志上发论文，我上面说的两个方面虽然很简单但如果你有实验数据证明，在国内发表核心期刊完全没问题，本人也在论文纠结中。。