算法毕业论文答辩问题

一般问你一些基础的问题， 不会很难， 你只要能答，不论对错， 都有分。如果把你的论文收上去了，他们一般就问你论文里面涉及到的问题。我答辩的时候第一个问题是问我用什么数据库做的， 然后问了几个关于数据库的知识。 接下来问了个MVC 就结束了。

我的毕设就是 ASP +ACCESS设计的动态网页问题 ： 你用什么实现的？ 你做的东西有什么用？ 你演示给我们看看吧。。。（最麻烦，你得连网，发布你的网页，登陆上去给他们看，要不最基本的是你开自己的服务器，IIS浏览你的东西）

老师会在你的论文里面找一些问题问问，你首先要好好的把你定的论文读熟。这样一般都会过的。

1、时间的选择很重要 答辩时间其实在整个环节中都是至关重要的，因为选择的时间好坏能间接影响你的毕业设计成绩甚至通过已否。那么什么时间最适合答辩呢？ 第一个最佳时间便是早上11：30分左右，这个时候老师正好都饿了，你想中国有句俗语叫“人是铁饭是钢，一顿不吃饿得慌”何况现在很多人可能是昨天吃了晚饭就再也没有再吃东西了，有的女老师甚至要赶着回家做饭，所以这个时候只要你死缠他一下啊，他铁定让你过的。只不过他会在心里骂你浪费他的时间。呵呵…… 那第二个时间呢？便是早上了，你想早上大家都神清气爽的，你只要多拍一下老师的MPP。谁不愿意听人家夸啊？所以老师心情一好的话，把女儿嫁给你都没有问题，何况只是区区一个毕业设计呢。说实在的，毕业设计也只不过是走走场子罢了！！！2、对比效应的应用 大家看到这个标题一定会很奇怪，对比效应？？什么是对比效应呢？其实我也不知道，这个只是我不知道该怎么样命名，那暂时就这么叫它了吧？ 我所谓的对比效应便是，什么样的时机，能让并不起眼的你在几十号人中脱马而出？能通过对比帮你轻松通过毕业设计。当然假如你是一个很优秀的学生，你可以随时随便去答辩，我们这所要告诉的呢，当然是那些设计并不是十分优秀的学生们的技巧。假如你对自己的设计并不是感觉那么好，那你可以选择在几个比你还差的学生之后去答辩，你想想，老师之前看到了几个那么差的设计，忽然反过来看你的设计，感觉会有种天上地下的感觉了。所以想不通过都难！但是，如果你感觉已经没有人会比你差的时候呢，那你首先要做的就是增强信心！当然还有就是选择没有人的时候去，多跟老师交流交流。我想老师压根就不会为难一个已经毕业的学生的（老师在毕业聚餐的时候说的最多的就是，发达了别忘了我们这些老师啊）明白吗？？3、怎么回答老师提问 答辩的时候免不了老师会问你几个基本的问题，你可以试着模糊回答，然后把老师的答案引出来，让她自己帮你回答。不过，功夫还是要下的，自己的图纸一定得熟悉，要不就太不给老师面子了。4、在中国一个很重要得因素，人情分很重要 怎么样才能获得高些得人情分呢？当然除了拍老师得MPP，还有就是平时做设计得时候可以装着天天去老师那问问题，这样老师会觉得你做设计很认真，是完全由自己动手做的。还有就是平时对老师必要得尊重一定要。5、我来谈谈我当年亲身经历的毕业设计答辩吧。 那时我跟大家一样也很懒，平时别人做设计的时候，我就在上网玩。所以等到要答辩的时候，我是前两天忙着拿别人的修改后直接打印的。可是经过一段时间候，老师说，打印的太多，而且大部分很雷同，所以必须全部用手工了。我当时急了，前一天晚上，我打电话给我们导师大意如下： ：你好啊，王老师，我是xx昨天才回来哦，怎么我今天听我们班的人说不能用电脑打印的答辩啊？？ ：是啊。 ：可是我都是自己做的（谁都知道我在忽悠……继续忽悠），我在深圳做事的时候没事我就把毕业设计早弄好了，都是打印的。我保证没有雷同的。你看能不能…… ：哦这样啊，那你明天把它拿过来我看看，还有装配图一定要手工的。(呵呵……早准备好了，一盏台灯一块玻璃一个小时搞定！） 第二天因为是11：40才去，没赶上，老师提前回家吃饭了中午又去，我是第一个 ：王老师好，我是昨天给你打电话去的学生 ：哦，那把你的图给我看看吧，噢，忘了带红笔了 ：没关系，我现在就去买一只回来。 ：买回来了 问了三个很一般的问题 ：你的图画的不错 ：我是昨天晚上赶画出来的，之前我是用电脑画的。 ：好吧，给你80分 我狂笑，一路说谢谢出来了。她都没有看我的设计说明书。

＝＝你是本科还是硕士啊论文的话应该主要是算法的研究和改进吧……问题比如：你采用了哪种人脸识别算法你对这种算法的改进在哪里(你不只要说明改进在哪里可能还需要做一些实验收集下数据来对比说明算法在改进后对性能有了提升)新算法比其他算法好在哪里(还是通过实验收集数据对比一下)分析下算法的复杂度(时间复杂度和空间复杂度可能都会要求毕竟图像分析很占空间)然后是怎样进行优化的实验采用的样本是哪些(我们当时用的UCIrvineMachineLearningRepository下面会有CMUFaceImages大家一般都用这个库来作为样本)怎样对实验结果进行量化比较的(标准是什么)如果是模式识别的话还可能关心怎样选的特征值和特征空间(计算量大的话是怎样减少计算量的)训练样本采用的什么算法实验的识别率是多少算法的性能是不是稳定……＝＝我想到的都是本科的问题如果是研究生的话可能还会问的更难