分享一些做课题调查的方法
马上就要毕业了，把自己做课题调查的方法分享一下。
拿到一个新的研究课题时，可以先去知网之类的地方搜索一些国内硕博士的毕业论文，通过他们的论文可以先对课题有一个初步的认知。但是再往后就建议选择在google scholar上搜索一些外文论文了，当然这里不是随便乱搜索，而是要找领域内的知名期刊、会议论文来看，那么如何知道什么样的期刊、会议是优秀的期刊、会议呢？有两种途径：
1、中国计算机学会（CCF）推荐的期刊和会议目录，以我做的多媒体领域为例，点击这里就能看到CCF给出的计算机图形学与多媒体领域的推荐期刊和会议目录
2、直接利用Google scholar的上的统计指标选择排名靠前的期刊和会议目录，有一个优点在于时效性更好，还是以多媒体领域为例，点击这里就能看到多媒体领域排名前二十的期刊和会议，如下
但是还有一个问题，搜索国内的硕博士论文也好，搜索外文的优质期刊、会议论文也好，总是难以梳理清楚整个研究课题的发展脉络，比如最早是谁研究了这个课题？有哪些人在这个课题做的很深、很受认可？目前都有哪几个研究方向？有哪几篇论文称得上是必读论文？这个时候就需要做领域调查中的引文分析步骤了。 这里介绍基于SCI数据库和histcite软件做引文分析的步骤。 所谓SCI数据库其实就是web of science数据库（webofknowledge.com）了，访问需要有账号和密码，一般都是高校图书馆有订购，如果学校没有订购数据库，就需要自己去淘宝上买一个账号了，很便宜，十块就能搞定，直接搜索“web of science”即可 登录了数据库（网站）之后就是检索界面，这一点和知网什么的很相似，为了搜索结果更精确，需要进行“精炼”，其实就是筛选数据库、发表年份、文献类型等等。精炼之后可以将全部的搜索结果导出以供下一步分析。在网页下方有导出选项，选项如下
这里以QoE这个课题为例，看看导出的是什么东西。打开导出的纯文本，内容如下
FN Thomson Reuters Web of Knowledge™
VR 1.0
PT J
AU Shao, F
Lin, WS
Wang, SS
Jiang, GY
Yu, M
AF Shao, Feng
Lin, Weisi
Wang, Shanshan
Jiang, Gangyi
Yu, Mei
TI Blind Image Quality Assessment for Stereoscopic Images Using Binocular
Guided Quality Lookup and Visual Codebook
SO IEEE TRANSACTIONS ON BROADCASTING
LA English
DT Article
DE Phase-tuned quality lookup (PTQL); phase-tuned visual codebook (PTVC);
binocular energy response; blind image quality assessment (BIQA); 3-D
visual experience (3-D-QoE)
ID VIDEO; ENERGY; INDEX; INFORMATION; PERCEPTION; SIMILARITY; MODELS;
DOMAIN
AB The field of assessing three-dimensional (3-D) visual experience is challenging. In this paper, we propose a new blind image quality assessment for stereoscopic images by using binocular guided quality lookup and visual codebook. To be more specific, in the training stage, we construct phase-tuned quality lookup (PTQL) and phase-tuned visual codebook (PTVC) from the binocular energy responses based on stimuli from different spatial frequencies, orientations, and phase shifts. In the test stage, blind quality pooling can be easily achieved by searching the PTQL and PTVC, and the quality score is obtained by averaging the largest values of all patch's quality. Experimental results on three 3-D image quality assessment databases demonstrate that in comparison with the most related existing methods, the devised algorithm achieves high consistency alignment with subjective assessment and low-complexity pooling.
C1 [Shao, Feng; Wang, Shanshan; Jiang, Gangyi; Yu, Mei] Ningbo Univ, Fac Informat Sci & Engn, Ningbo 315211, Zhejiang, Peoples R China.
[Lin, Weisi] Nanyang Technol Univ, Sch Comp Engn, Ctr Multimedia & Network Technol, Singapore 639798, Singapore.
RP Shao, F (reprint author), Ningbo Univ, Fac Informat Sci & Engn, Ningbo 315211, Zhejiang, Peoples R China.
EM shaofeng@nbu.edu.cn
FU Natural Science Foundation of China [61271021, 61071120, U1301257]; K.
C. Wong Magna Fund of Ningbo University
FX This work was supported in part by the Natural Science Foundation of
China under Grant 61271021, Grant 61071120, and Grant U1301257, and in
part by the K. C. Wong Magna Fund of Ningbo University.
CR Banitalebi-Dehkordi A., 2012, P INT C 3D IM LIEG B, P1
Benoit A, 2008, EURASIP J IMAGE VIDE, DOI 10.1155/2008/659024
Bensalma R, 2013, MULTIDIM SYST SIGN P, V24, P281, DOI 10.1007/s11045-012-0178-3
Blake R, 2011, VISION RES, V51, P754, DOI 10.1016/j.visres.2010.10.009
Boev A, 2006, 7TH IEEE SOUTHWEST SYMPOSIUM ON IMAGE ANALYSIS AND INTERPRETATION, P218
Chen MJ, 2013, IEEE T IMAGE PROCESS, V22, P3379, DOI 10.1109/TIP.2013.2267393
Chen MJ, 2013, SIGNAL PROCESS-IMAGE, V28, P1143, DOI 10.1016/j.image.2013.05.006
De Silva V, 2013, IEEE T IMAGE PROCESS, V22, P3392, DOI 10.1109/TIP.2013.2268422
Ferzli R, 2009, IEEE T IMAGE PROCESS, V18, P717, DOI 10.1109/TIP.2008.2011760
Fleet DJ, 1996, VISION RES, V36, P1839, DOI 10.1016/0042-6989(95)00313-4
Gottschalk PG, 2005, ANAL BIOCHEM, V343, P54, DOI 10.1016/j.ab.2005.04.035
Gu K., 2012, J ELECT COMP ENG, V2012
Gu ZT, 2013, IEEE IMAGE PROC, P186
Ha K., 2011, P IEEE INT C IM PROC, P2525
Hachicha W, 2013, IEEE IMAGE PROC, P113, DOI 10.1109/ICIP.2013.6738024
He LH, 2012, PROC CVPR IEEE, P1146
Hewage CTER, 2008, ELECTRON LETT, V44, P963, DOI 10.1049/el:20081562
Howard I. P., 1995, BINOCULAR FUSION RIV
Hwang JJ, 2011, KSII T INTERNET INF, V5, P1613, DOI 10.3837/tiis.2011.09.007
Kim D, 2011, IEEE T CIRC SYST VID, V21, P231, DOI 10.1109/TCSVT.2011.2106275
Kolmogorov V., 2001, P INT C COMP VIS, V2, P508, DOI 10.1109/ICCV.2001.937668
Lambooij M, 2011, IEEE T BROADCAST, V57, P432, DOI 10.1109/TBC.2011.2134590
Lambooij M, 2011, DISPLAYS, V32, P209, DOI 10.1016/j.displa.2011.05.012
Lin YH, 2014, IEEE T IMAGE PROCESS, V23, P1527, DOI 10.1109/TIP.2014.2302686
Malekmohamadi H, 2012, IEEE INT CONF MULTI, P581, DOI 10.1109/ICMEW.2012.107
Marziliano P., 2002, P INT C IM PROC ROCH, V3, P57
Mittal A, 2012, IEEE T IMAGE PROCESS, V21, P4695, DOI 10.1109/TIP.2012.2214050
Mittal A, 2011, 2011 IEEE DIGITAL SIGNAL PROCESSING WORKSHOP AND IEEE SIGNAL PROCESSING EDUCATION WORKSHOP (DSP/SPE), P338, DOI 10.1109/DSP-SPE.2011.5739236
Mittal A, 2012, IEEE SIGNAL PROC LET, V19, P75, DOI 10.1109/LSP.2011.2179293
Moorthy A. K., 2013, P SOC PHOTO-OPT INS, V8651
Moorthy AK, 2011, IEEE T IMAGE PROCESS, V20, P3350, DOI 10.1109/TIP.2011.2147325
Narvekar ND, 2011, IEEE T IMAGE PROCESS, V20, P2678, DOI 10.1109/TIP.2011.2131660
Nunes JC, 2003, LECT NOTES COMPUT SC, V2749, P171
Pluim JPW, 2000, IEEE T MED IMAGING, V19, P809, DOI 10.1109/42.876307
Qi F, 2013, IEEE IMAGE PROC, P34
Quan H.-T., 2010, P IEEE INT C IM PROC, P4025
Ryu S, 2012, IEEE IMAGE PROC, P609
Ryu S, 2014, IEEE T CIRC SYST VID, V24, P591, DOI 10.1109/TCSVT.2013.2279971
Saad MA, 2012, IEEE T IMAGE PROCESS, V21, P3339, DOI 10.1109/TIP.2012.2191563
Sazzad Z. M. P., 2012, ADV MULTIMEDIA, V2012
Seo J, 2012, CIRC SYST SIGNAL PR, V31, P1089, DOI 10.1007/s00034-011-9369-7
Shao F., 2012, P S PHOT OPT SHANGH, P1
Shao F, 2013, IEEE T IMAGE PROCESS, V22, P1940, DOI 10.1109/TIP.2013.2240003
Smolic A, 2011, P IEEE, V99, P607, DOI 10.1109/JPROC.2010.2098350
Sohn H, 2013, IEEE T BROADCAST, V59, P28, DOI 10.1109/TBC.2013.2238413
Sturzl W, 2002, LECT NOTES COMPUT SC, V2415, P1255
Tam WJ, 2011, IEEE T BROADCAST, V57, P335, DOI 10.1109/TBC.2011.2125070
Vlad R, 2013, PROC SPIE, V8653, DOI 10.1117/12.2004132
Wang XQ, 2011, PHIL MAG LETT, V91, P375, DOI 10.1109/ICBMEI.2011.5918026
Wang Z, 2002, IEEE SIGNAL PROC LET, V9, P81
Wang Z, 2004, IEEE T IMAGE PROCESS, V13, P600, DOI 10.1109/TIP.2003.819861
Xue WF, 2013, PROC CVPR IEEE, P995, DOI 10.1109/CVPR.2013.133
Xue WF, 2014, IEEE T IMAGE PROCESS, V23, P684, DOI 10.1109/TIP.2013.2293423
Yang JC, 2010, INT J IMAG SYST TECH, V20, P301, DOI 10.1002/ima.20246
Ye P, 2012, IEEE T IMAGE PROCESS, V21, P3129, DOI 10.1109/TIP.2012.2190086
You J., 2010, P INT WORKSH VID PRO, P61
Zhang L, 2011, IEEE T IMAGE PROCESS, V20, P2378, DOI 10.1109/TIP.2011.2109730
NR 57
TC 0
Z9 0
PU IEEE-INST ELECTRICAL ELECTRONICS ENGINEERS INC
PI PISCATAWAY
PA 445 HOES LANE, PISCATAWAY, NJ 08855-4141 USA
SN 0018-9316
EI 1557-9611
J9 IEEE T BROADCAST
JI IEEE Trans. Broadcast.
PD JUN
PY 2015
VL 61
IS 2
BP 154
EP 165
DI 10.1109/TBC.2015.2402491
PG 12
WC Engineering, Electrical & Electronic; Telecommunications
SC Engineering; Telecommunications
GA CK1SV
UT WOS:000355988500003
ER
……..看似很复杂，其实就是每一篇论文的信息，包含作者、摘要、发表地、参考文献等全部信息。 现在就轮到HistCite软件上场了，它将基于这个导出文件给出引文分析结果。所谓HistCite其实就是history of cite，即引文历史，或者叫引文图谱分析软件。下载安装非常简单，打开后是一个IE浏览器的界面
点击File-Add File就可以将刚才导出的文件导入HistCite，这时就会自动生成下面的列表
这次就直观的多了。在窗口的右侧，有LCS、GCS、LCR、CR四个参数。下面分别解释一下。 GCS是global citation score，即引用次数，也就是你在web of science网站上看到的引用次数。如果你点击gcs，软件会按照GCS进行排序，此时的结果与你在wos网站按被引频次排序的结果是一样的。 CR是cited references，即文章引用的参考文献数量。如果某篇文献引用了50篇参考文献，则CR为50。这个数据通常能帮我们初步判断一下某篇文献是一般论文还是综述。 LCS和LCR是histcite里比较重要的两个参数。LCS是local citation score的简写，即本地引用次数。与gcs相对应，gcs是总被引次数。lcs是某篇文章在当前数据库中被应用的次数。所以LCS一定是小于或等于GCS的。 一篇文章GCS很高，说明被全球科学家关注较多。但是如果一篇GCS很高，而LCS很小，说明这种关注主要来自与你不是同一领域的科学家。此时，这篇文献对你的参考意义可能不大。举个离子，2003年发表在nature上的两篇文章P1 （GCS:580,LCS:12) 和 P2(GCS:36,LCS：24)。第一篇文章gcs很高，lcs很低，说明关注这篇文章的绝大部分作者与你关注的方向不同。而第二篇文章经gcs较低，但LCS比第一批要高，即很多引用p2的文章都在当前数据库，也即与你的研究方向相关。所以，p1 p2相比，p2应该更贴近你的研究方向，参考价值更大。 LCR与CR对应是local cited references，是指某篇文献引用的所有文献中，有多少篇文献在当前数据库中。如果最近有两篇文章，p1 p2,都引用了30篇参考文献，其中p1引用的30篇文献中有20篇在当前数据库，p2只有2篇文献在当前数据库。此时，p1相对更有参考价值，因为它引用了大量和你的研究相关的文献。 根据LCS可以快速定位一个领域的经典文献， LCR可以快速找出最新的文献中哪些是和自己研究方向最相关的文章。 点击右侧参数的数值，还可以看到相应的引用文献。 如果到这里就结束了岂不是很无聊，下面介绍HistCite的大招功能：将引用分析可视化 点击Tools-Graph-Make Graph，将会生成下面的图片
这是基于我的QoE研究课题的可视化分析结果。每一个圆圈代表一篇文章，圆圈里的数字代表文章编号，圆圈越大代表引用数越高，而圆圈之间的连线则代表引用关系，图片左边还有时间信息。读这张图我就可以得出如下信息了：关于QoE的研究始于2006年；研究方向比较集中，但是也有很多创新的方向一直在被提出；编号271、267、88等几篇论文是必读论文……因为我这里直接以QoE所谓搜索关键词，所以其实搜索结果太笼统，不是很好，但依然能看到HistCite做引文分析的强大功能。 最后送上几个参考链接： 引文分析软件histcite简介