菜鸟必读！

zouquan

1. 生物信息类的论文和计算机类不太一样，related work不要但拿出一节，和Introduction合并
2. 第二部分叫Methods，至于Data、Features、Classifier、Measurement都是下面的2.1 2.2 2.3
3. 第三部分实验，你写的太少了。你太实在了，不同的特征比一比、不同的分类器比一比、不同的降维方法比一比、不同的参数比一比、最后再和State-of-arts方法比一比。要猛堆实验
4. 画图，图是论文的脸面，最重要！你的图1都被用烂了，能不能画点精彩的图？参考http://123.57.240.48/forum.php?mod=forumdisplay&fid=70 板块，每个帖子都看看，看看我推荐的图
5. 图名在下，表名在上，图和表统统放到参考文献后面，这是生物信息学类论文的规矩。参考文献后面，用ctl+回车，新起一页放图和表，表不要跨页。
6. 投稿系统里请填自己为通讯作者(以便接收编辑部邮件)，word里面正常填老师为通讯作者。

zouquan

1. 你列举了9种特征提取方法，全都用上了吗？4种分类器也是，用的那种就介绍那种；全用上了进行投票？那你应该重点介绍投票机制！
2. 你降维方法就用了一小段话，说你用了MRMD2.0，那为什么不用ANOVA？不用mRMR？有实验比较么？
3. 图画的太烂，根本没体现出你的核心创新点！就是简单的机器学习流程。而且字太小，图里的字要和外面的文字一样大。要尽量紧凑！学学附件论文的写法和作图！
4. 你列了那么多特征，降维之后到底留下了哪些特征？哪些特征是有用的？

你写的论文就是本科实验报告，不是学术论文！学术论文要强调你的发现，围绕着你的发现去设计实验证明。不要写流程报告。

zouquan

当实验效果赶不上原文时：
1. 复现原文方法，看看他报的数字是否有水分；如果有水分，就按照你复现的结果，并把你相关的code和data open到github上
2. 如果原文方法确实效果好，就采用原文的特征，往里添加一些你的新的特征，通过一些降维或者PCA变换的手段，使结果进一步提高
3. 实在搞不过原文，那你就用尽量少的特征，达到较为理想的特征。从而说明这些特征是这种基因/蛋白的序列信号特征。

zouquan

一边写论文，需要一边考虑一下论文的卖点。小论文不能像实验报告一样：记录一下我用的什么数据，什么特征，什么分类器，怎么做的降维，然后实验对比一下和其他人的准确率，我们的最好，结束。这样的论文太水。

我可以提一些建议：
1. 既然你能达到96%的准确率，你能看一看到底哪几个特征最重要么？你用MRMD把特征分别降低到1维、2维、3维，看看准确率是多少？然后画一下小提琴图（1维）、散点图（2维）、三维散点图（可能要用matlab，选作）。如果一维两维就能达到80%的准确率，那你要查查这两维特征的具体含义。

2. 你这也就二三百个样本，准确率达到96%，意味着只有八九个样本分错了，把他们找出来，看看序列上有没有什么特点，去uniport搜一搜都是什么基因\蛋白质,属于哪个家族？有没有什么共性？想一想他们为什么会被分错？