SCI论文写作--（1）Introduction
1. 写作目的（内在逻辑顺序）
为什么要做这个研究：背景知识，研究的问题定义，研究内容的重要性，现在研究存在的问题（占比50%+）。
领域空白：新功能、新技术、新方案，对应理论重要性、应用重要性、科研推动性、发展进步性和理解深入性（可省略）。
我们的研究内容做什么：大致描述研究策略、方式和内容（占比20%）。
为什么你的研究很重要：解释研究的重要意义，可分为促进理论研究或者促进实际应用。
2. 写作内容梳理
2.1. 自己的写作
- 微表情的定义、特点、应用
- 微表情数据集的特点
- 微表情的动态特征典型方法光流法多帧上的问题使用顶点帧的好处。
- 光流法和顶点帧在微表情应用的缺点
- 神经网络算法在微表情上的应用及其缺点，以及分析失败的原因
- 光流形变的介绍
- 模型结合多种特征是有好处的，介绍深度森林
- 提出我们的算法和算法的主要贡献
2.2. 老师的修改
- 脸部表情的应用领域、脸部表情的定义、分类和特点
- 微表情的定义、特点、应用
- 微表情识别的难点
- 微表情处理的主要过程（图像处理+特征抽取+表情分类），LBP的特征抽取方法
- 光流法在多帧-->光流法在两帧-->顶点帧的优点
- 光流的衍生物-->光流的顶点帧
- 神经网络算法在微表情上的应用和发展
- 现在算法在微表情上应用存在的缺点
- 提出我们的算法和主要贡献
3. 改进方向
3.1. 目前存在的问题
- 开始内容没有关注领域知识，缺少对研究内容的铺垫
- 缺少对研究难点的介绍，因为之前的介绍主要是广泛性介绍，没有突出难点
- 介绍发展过程缺少逻辑顺序，缺少整体内容纲领领导整个介绍；介绍每个小点时单独叙述缺点很繁琐；出现孤立点，上下文没有连接
- 介绍提出的算法缺少整体性结构（单独叙述深度森林很突然），内容出现分裂
3.2. 改进方式
- 写作之前先列写作大纲，把握文章内在的逻辑顺序和重点，写作的时候记得安排详略得当
- 写作开始是研究内容领域介绍，从大的领域进入到小的领域，内容长短可自由把握
- 写文章除了开始的领域介绍，之后的介绍应该针对研究内容进行重点介绍
- 介绍发展过程，首先写总的纲领或者是发展方向，之后详细介绍重要节点，最后总结发展中存在的问题
- 不需要单独介绍提出算法的某个子项，只需要在介绍整体算法时，当提到时才简要介绍一下
4. 词句总结
- 领域变得愈来愈重要
in either manually or automatically 在人工识别或者自动识别领域
has been gaining importance 越来越重要
due to the significant increase in the use of several applications such as 在….领域内的使用上实现重要增长
the approaches have been influential in the field because of - 存在的问题
pose a great challenge 提出挑战
a challenge problem which raise in this domain is 产生的问题
this leads to myriad problems in 算法导致…. 的问题
this turns out to be even more problematic because 因为… 产生问题 - 领域研究的空白
Moreover, few studies have focused on …. 目前领域内研究的空白 - 研究动机
for this study, it is of interest to investigate
the aim of this work it to develop
the aim here is to investigate
the project aims to develop an overarching framework to - 主要贡献表示为以下
the main achievements, including contributions to the field can be summarized as follows:
the main contributions of this paper are summarized as follows. - 重点的词语
categorized as == classed into
sustain 支撑，保持
fleeting, flashing 飞速闪光的
dominance 主要的
prominent 占据主要地位
The authors 作者
elaborate 精心打磨
there are only three available ME datasets that are widely used in the research community: namely, SMIC[7], CASME II[8], and SAMM[9]. 介绍数据集
comprehensive experiments 全面的实验
