最近看到許多同學為了找到大論文中的創(chuàng)新點是殫精竭慮，每天在教研室是如坐針氈术浪，非常的痛苦瓢对。我個人覺得，創(chuàng)新點就像是機遇一樣胰苏，說來就來硕蛹，說走就走。李開復老師曾經說過碟联，創(chuàng)新是需要積累的妓美。在找到創(chuàng)新點之前，我們需要大量地閱讀相關的論文或書籍鲤孵，并反復地比較相關理論或模型的異同壶栋。如此這般，才能有創(chuàng)新的火花在我們的大腦中迸發(fā)出來普监！
就個人而言贵试，我喜歡將看過的論文都記錄下來琉兜，以備以后查看。據不完全統計毙玻，我已經閱讀了中文小論文106篇豌蟋，英文小論文35篇，中文大論文(優(yōu)秀碩士或博士論文)27篇桑滩。在寫小論文或大論文的時候梧疲，我就將看過的論文記錄拿出來再閱讀幾遍，發(fā)現彼此之間的相同或相似之處运准。對于有可能會產生創(chuàng)新點的論文幌氮，我會反復閱讀，直至徹底理解為止胁澳。我寫的小論文和大論文中的某些創(chuàng)新點该互，幾乎都是通過比較相關論文的創(chuàng)新點中算法的相似性而得出的。因此韭畸，科學思維中的聯想宇智、類比等在寫論文的過程中也是很有用的。我就和同學開玩笑說胰丁，我一定要將《自然辯證法》多看幾遍随橘！
結合自身的經驗，我認為找到創(chuàng)新點有以下途徑：
1.將論文A的X理論應用于論文B的研究中這種方法可以稱作“移花接木”隘马。例如太防，我在寫大論文的過程中，要涉及到對P2P網絡中的搭便車者數目進行預測酸员，而我在另外的一篇論文中了解到用灰色系統理論可以預測人口的多少。我一想讳嘱，搭便車者不就是人嗎幔嗦？預測人口數量也就類似于預測搭便車者的數量，那么我就可以將灰色系統理論應用于我寫的大論文中沥潭，這樣一個創(chuàng)新點就產生了邀泉，剩下的就是進行大量的實驗仿真來證明我的結論是否正確。將不同領域中的算法互用的例子比比皆是钝鸽。例如汇恤，網絡中的經典算法—迪杰斯特拉算法就是一例。這個算法本來是數學領域中的拔恰，網絡研究者們將之應用在路由算法中因谎。
2.參照A論文的X算法改進B論文的相關算法這不是算法的應用，而是對現成算法的改進颜懊。例如财岔，我在寫小論文《一種基于云的加權信任模型》的時候风皿，就使用了這種方法。當時匠璧，我讀到了一篇小論文《基于云模型的信任評估研究》桐款，里面就有兩個算法，而其中一個算法與我讀到另一篇論文《基于云模型的主觀信任評估》中的算法很像夷恍，只是少了一個權值魔眨。我立馬想到如果在此算法中也加入權值，那結果會怎樣呢酿雪？于是遏暴，一個創(chuàng)新點就這樣產生了，一篇論文也就寫出來了执虹。
大部分論文的創(chuàng)新點都是對算法的改進拓挥，因此，途徑二用得最多袋励。
3.將A論文的X模型與B論文的Y模型合并為C論文的Z模型這種方法沒有對算法進行改進侥啤，而是將兩種模型合并為一種新的模型。在我寫大論文的另一個創(chuàng)新點的時候茬故，我已經建立了P2P網絡的模型(一個三維的立體結構)盖灸，就差用一種算法來遍歷網絡中的各結點。這時磺芭，我閱讀了一些算法的書籍和論文赁炎，其中有提到用模擬退火算法可以遍歷整個網絡。于是钾腺，我將P2P網絡模型與模擬退火算法模型結合起來徙垫，產生了一種遍歷網絡的新算法，并且用仿真實驗證明該模型切實可行放棒。
該方法可以說是一種綜合的方法姻报，在應用之前需要弄清楚兩種模型是否可以結合，并且一定要有實驗的論證间螟。
以上三種方法是我個人在寫小論文和大論文的過程中所采用過的方法吴旋，覺得還是有一些道理的，并且也的確能夠將創(chuàng)新點找到厢破。對于碩士生來說荣瑟，要發(fā)明新的方法或理論是很困難的，在我閱讀過的論文中摩泪，沒有一篇做到了笆焰。但是，對算法進行改進加勤、應用或組合卻是我們力所能及的仙辟。要找到創(chuàng)新點同波，積累是關鍵，也就是我們要多多閱讀叠国、多多總結未檩，并且保持一顆好奇和善于發(fā)現問題的心。
如果把找到創(chuàng)新點當作“黎明”粟焊，那么現在就是“黎明之前最黑暗的時候”冤狡。只要你堅持下去，相信勝利就在眼前项棠！
