我们在写论文或者是看别人的论文时，总容易被研究背景和研究意义等名词搞混淆； 最近查了一些资料，对以下名词做了相应解释，总结如下： 01 研究背景 02 研究目的与意义 03 研究目标 04 研究内容 05 研究对象 06 国内外研究现状 07 研究方法 正文共：2131 字 1 图 预计阅读时间：6 分钟 01 研究背景 ① 研究主题的大环境介绍 在什么样的环境下你要做这个主题的研究？？ 是行业发展至此，需要考虑这个问题；还是以前存在，一直未得到解决的问题。 ② 研究主题的现实背景与理论背景 研究是为了满足某种“需求”，因此，现实背景是现实的需求，理论背景是现有理论的缺陷或者漏洞。研究背景即提出问题，阐述研究该课题的原因。 有些论文的研究背景仅是堆砌现有的研究进展，而不明确提出当前研究的不足。如此写作虽然与研究主题相关，但是与后文的衔接缺乏因果关联。 02 研究目的与意义 研究目的：做这项研究是为了解决什么问题，对成果的预期。 研究意义：做这项研究之后，能够产生什么样的价值和推动作用。 “目的”的对象更加具体一些，实实在在的做了哪些事情，解决了哪些问题。“意义”可以适当抽象一些，包含自己对研究成果的预期，成果会对该行业（或者领域）产生什么样的影响，推动什么的前进。 03 研究目标 研究目标是指具体的要达到的“目的”，如通过研究构建某种教学模式、教学策略、方法，获得某某规律，揭示某某机理等等。 目标是过程，目的是结果。 研究目标是对“研究内容”的高度概括，“研究内容”是通过做许多事情达到研究目标。 04 研究内容 研究内容是为了达到“研究目标”所做的具体操作步骤。 在研究目标的基础上，细化达到这个目标具体要做的事情。要事无巨细的列出来，明确每一步的内容该怎么开展下去。该节内容要注意与“可行性与创新性”相关。 研究目的、研究目标和研究内容的关系 05 研究对象 研究对象是我们“研究内容”的主体，一般是较为具体事物或理论； 针对该主体使用各类方式进行研究，从而得出研究的结论。 06 国内外研究现状 我们通过了解国内外研究现状可以得到： 人家在研究什么、研究到什么程度？ 你想研究而别人还没有做的问题。 别人已做过，你认为做得不够（或有缺陷），从而提出完善的想法或措施。 别人已做过，你要重新做实验来验证。 该节注意事项： 不要把研究现状写成事物本身发展现状。 例如，写股指期货研究现状，应该写有哪些专著或论文、哪位作者、有什么观点，而不是写股指期货本身何时产生、有哪些交易品种、如何演变。 要反映最新研究成果。 不要写得太少。如果只写一小段，那就说明你没有看多少同类材料。 如果没有与选题直接相关的文献，可以选择一些与选题比较靠近的内容来写。 07 研究方法 研究方法有很多种，均是经过时间检验的方法，整理部分如下： ① 归纳方法与演绎方法 归纳就是从个别事实中概括出一般性的结论原理;演绎则是从一般性原理、概念引出个别结论。归纳是从个别到一般的方法;演绎是从一般到个别的方法。 门捷列夫使用归纳法，在人们认识大量个别元素的基础上，概括出了化学元素周期律。后来他又从元素周期律预言当时尚未发现的若干个元素的化学性质，使用的就是演绎法。 ② 分析方法与综合方法 分析就是把客观对象的整体分为各个部分、方面、特征和因素而加以认识。它是把整体分为部分，把复杂的事物分解为简单的要素分别加以研究的一种思维方法。 分析是达到对事物本质认识的一个必经步骤和必要手段。分析的任务不仅仅是把整体分解为它的组成部分，而且更重要的是透过现象，抓住本质，通过偶然性把握必然性。 ③ 因果分析法 就是分析现象之间的因果关系，认识问题的产生原因和引起结果的辩证思维方法。使用这种方法一定要注意到真正的内因与结果，而不是似是而非的因果关系。 要注意结果与原因的逆关系，一方面包括“用原因来证明结果”，同时也包括“用结果来推论原因”。不同的事物，一般都一身二任，既是原因，又是结果，而且一个结果往往有不同层次的几个原因。因此，在研究过程中，对所分析的问题必须寻根究底。 ④ 比较分析法 比较分析法又称类推或类比法。它是对事物或者问题进行区分，以认识其差别、特点和本质的一种辩证逻辑方法。在资料不多，还不足以进行归纳和演绎推理时，比较分析法更具有价值。康德说：“每当理智缺乏可靠论证的思路时，类比这个方法往往能指引我们前进。” ⑤ 定性分析法与定量分析法 就是通过确定事物的质的关系和数量关系以认识问题和分析问题的辩证思维方法。任何事物或任何问题都是质和量的统一，事物的质量。表现为一定的量，又表现为一定的质。 因此，在研究中，只有弄清质的方面，又弄清量的方面，才能找出其中规律性的问题。在研究中，定性分析就是据事论理，划清事物质的界限。定量分析就是对问题的规模、范围、数目等数量关系的情况及变化，进行精确的统计，计算、分析、对比，就是弄清事物发展中量的变化关系。 ⑥ 观察法 观察法是指研究者根据一定的研究目的、研究提纲或观察表，用自己的感官和辅助工具去直接观察被研究对象，从而获得资料的一种方法。科学的观察具有目的性和计划性、系统性和可重复性。 ⑦ 文献研究法 文献研究法是根据一定的研究目的或课题，通过调查文献来获得资料，从而全面地、正确地了解掌握所要研究问题的一种方法。文献研究法被广泛用于各种学科研究中。
主要技术指标就是你要达到的目的、成果，所要解决的科学问题，比如误差要达到多少之类的。研究目标是指要达到的具体目的,要解决哪些具体问题，也就是本论文研究要达到的预定目标。搜狗问问扩展资料：毕业论文的作用：1、促进教育科研活动的自我完善：从某种意义上说，教育科研活动属于创造性活动。为了保证教育科研活动越来越有效，很有必要有论文。2、知识交流：教育和科学研究的过程是人们获得直接经验的过程。通过精心设计和探索获得的直接经验不仅对直接参与者有价值。
一般来说毕业论文任务书主要包括以下几个部分：
1、课题的内容和要求--课题内容：主要写作课题目的意义，用简洁、概括性的语言来表达课题的内容；课题要求：主要用什么方法完成论文、达到什么目的。
2、设计的技术要求与数据（或论文主要内容）：论文主要内容应写明具体做哪些方面可分几点来写，注意不要将实验方案写在此处。本科毕业论文5000字，点我10年机构毕业论文合格后付值得一看的论文相关信息推荐
3、研究方案与研究目标：论文要求立论有据、观点鲜明，文章结构完整、语言顺畅、层次分明；研究内容与提出的观点要求以实际情况为基础，并对我国经济发展以及本学科领域有一定的理论意义和现实意义，在文章的撰写过程中对所研究的课题提出自己的观点和看法；文章应尽量避免错别字和错误标点符号的出现，文章格式参考学校学位论文格式统一要求样本。
4、进度计划与应完成的工作--分3-4或4-6个阶段写，将每个阶段应完成的工作写上。例如：进度计划的开始时间2017年3月，结束时间为2017年5月如：2017年3月至5月：查阅资料、试验准备工作；2017年5月到7月：进行试验。
5、主要参考文献、资料：列出参考文献、资料10篇以上其中外文2篇，近2年参考文献、资料2-3篇。此处参考文献、资料最好与后面开题报告中参考文献、资料一致，但数量不能大于开题报告中参考文献、资料数量。
研究目的这一节包括的内容有:指出现有研究的不足,描述研究问题,表述本文的主论点,界定关键名词,简述研究工作的作用。1.现有研究不足。文献综述分析了现有的围绕该现实问题的各项研究结果和实际做法,厘清了研究的参照点。研究目的这一节, 首先,在研究和实践现状的基础上,指出现有研究或实践的不足或欠缺之处,尚有提升的空间,让读者感到有进一步研究的必要。然后,说明本论文的研究问题和待论证的主论点。这项内容构成“研究目的”这一节的主体。2.研究问题描述。描述研究问题R=(q, f) ,即是说明本论文研究现实问题(q)与何种主要关联因素()之间的关系。如之前举的一些例子中,“勤劳而不富有”这个现实问题与制度成本之间的关系,薪酬差距引发不满的现实问题与机构类型之间的关系,路径管理方式较原管理方式是否要好的问题,酒店利润有待提高这个现实问题与名厨之间的关系,等等,这些都构成研究问题。有些专业学位论文的研究目的写得模糊,既未写出现实问题,又未写出关联因素。有篇研究某公司红木采购的学位论文,这样描写研究目的:“找出影响木材质量的原产地采购流程的关键因素,并加以研究,提出改进措施” ,采购流程存在什么现实问题,关键因素是什么,这些应该说清楚的内容都没有说。另一篇关于公司薪酬体系设计的学位论文写道:“本文通过问卷调查和访谈,对行业薪酬情况进行调研,找出薪酬体系结构不合理、激励作用不足之处,提出了改进建议和实施办法。”在研究工作初期说这类话语还可以,但论文已写出来,说明研究工作已完成了,“结构不合理”和“激励作用不足”具体体现在何处,都应该知道了,在描述研究目的时应清晰地写出来。有篇关于营销策略的论文,研究目的写成“旨在通过国内现有市场环境分析,定位本公司在租车行业中所须扮演的角色和公司的营销模式”;有些以调研报告为基础的学位论文,研究目的往往写成:“通过实地调研,运用某某理论,研究某单位现状,对绩效管理工作中存在的问题进行深人分析,提出完善绩效管理工作的对策和建议”,这些都没有涉及实质内容,未点明“研究问题”。采用这些写法的研究生还没有把握到学位论文必须遵循“问题导向”这个原则，没有分清学位论文与调研报告和企业咨询报告等的区别,误认为管理研究报告可以代替论文,将调研报告之类的写法搬到学位论文写作中。像这样来描述研究目的,从现状、问题、原因到对策、措施,都是“共性",任何调研报告都适用,读过后无法增进对该文的了解。只有将研究问题列出来,才能说明本论文的“个性”所在。3.论点表述。描述研究问题只是提出问题,接下去还要给出答案,对现实问题和关联因素间的关系给出判断,这也即是作者的论点。由于尚未经论证,确切来说论点表述应为假设表述。将研究问题上升到论点或假设,要点是用变量语言来表述现实问题和关联因素之间的关系。如上述现实问题为“薪酬差距引发不满”的论文,作者用满意度作为因变量,而主要关联因素是机构类型,该因素只有在规定了它的属性以后,才能作为自变量处理。作者是以技术垄断程度为准则来划分机构类型,这样,技术垄断高、中、低便成为该变量的属性。现实问题和关联因素都具有可测性,就可以清晰地表述两者之间关系的假设:“技术垄断程度越高的机构,对扩大现有薪酬差距的满意度越低”，并可着手进行经验论证。《勤劳而不富有》一文现实问题与制度成本的关系研究,作者以国家为分析单位,将一国人均工作时间作为衡量勤劳的变量,同时设置一套指标,间接测量制度成本。“酒店利润取决于名厨”的假设,厨师作为变量,便要规定它的属性为名厨和非名厨,随之说明其具体测量方法,是按厨师专业技术等级还是按获奖情况来划分。4.关键名词界定。“现实问题”是用事实和现象来叙述问题所在，以及该问题为什么重要,研究问题和论点则要用专业术语来表达。在论点表述的过程中,往往需要一段术语解释的内容。并非所有涉及的名词都要给出一个定义,但对一些关键的专业名词或可能有歧义的名词,如“制度成本”“薪酬差距”及“集束化护理策略”“精益生产”“生态补偿”“质量成本”等,应在研究目的这一节界定清楚。5.研究结果的作用。有的研究生写研究目的这一节,偏重写本项研究的作用和意义。其实在问题背景和问题提出这部分内容,已经描述了本研究是针对什么尚未解决的疑难问题，这本身就是显示论文的实际价值。前一部分文献综述树立参照点,用来对比本研究结果,让读者感受到论文提出论点的新颖性,这也就体现出论文的学术价值。这里研究结果的实际作用可用一段话简要地概括一下。切忌抽象地自我评价,写那些“有重要的实际和理论价值”之类的话。
主要技术指标就是你要达到的目的、成果，所要解决的科学问题，比如误差要达到多少之类的。研究目标是指要达到的具体目的,要解决哪些具体问题，也就是本论文研究要达到的预定目标。搜狗问问扩展资料：毕业论文的作用：1、促进教育科研活动的自我完善：从某种意义上说，教育科研活动属于创造性活动。为了保证教育科研活动越来越有效，很有必要有论文。2、知识交流：教育和科学研究的过程是人们获得直接经验的过程。通过精心设计和探索获得的直接经验不仅对直接参与者有价值。
一、研究目的与意义
1、理论意义或应用前景
要着重说明你为什么要选这个题，写它有没有必要，你选这个题目有什么理论意义和实践意义 。要简洁、直观，很清楚地告诉人家你为什么要定这个，有什么意义。
2、发展趋势
要扣题，要说明进一步探讨这个话题的好处，从自己的条件看可以从哪些方面获得新的突破。有了这样细致的分析与估价，写作者就能确定自己的定位，顺利地进入写作阶段。总之所写的一定要围绕告诉人家你怎么想到定这个题目，为什么写，有什么意义，有没有必要，有什么作用。这样才能说服人家接受你的想法。
二、研究内容
选题的背景和意义，主要说明所选课题的历史背景、国内外研究现状和发展趋势。历史背景部分着重说明本课题前人研究过，研究成果如何。国内外研究现状部分说明本课题目前在国内外研究状况，介绍各种观点，比较各种观点的异同，着重说明本课题目前存在的争论焦点，同时说明自己的观点。
意义一定要叙述的清晰并且是有一定新意的其次注意自己所使用的理论，是用什么理论证明你的观点，也要叙述清楚，否则难以有说服力，在做文献综述和国内外研究水平的评价等等也要有翔实的根，这样才能衬托出选题的意义所在研究的目的、意义。
也就是为什么要研究、研究它有什么价值。这一般可以先从现实需要方面去论述，指出现实当中存在这个问题，需要去研究，去解决，本论文的研究有什么实际作用，然后，再写论文的理论和学术价值。这些都要写得具体一点，有针对性一点，不能漫无边际地空喊口号。
在时间安排上，要充分考虑各个阶段研究内容的相互关系和难易程度。对于指导教师在任务书中规定的时间安排，学生应在开题报告中给予呼应，并最后得到批准。学生在实际操作中，时间安排一般应提前一点，千万别前松后紧，也不能虎头蛇尾，完不成毕业设计（论文）的撰写任务。
主要参考文献。在开题报告中，同样需列出参考文献，这在实际上是介绍了自己的准备情况，表明自己已了解所选课题相关的资料源，证明选题是有理论依据的。在所列的参考文献中，同样应具备不少于2篇的外文文献。
扩展资料
毕业论文的基本教学要求
培养学生综合运用、巩固与扩展所学的基础理论和专业知识，培养学生独立分析、解决实际问题能力、培养学生处理数据和信息的能力。
培养学生正确的理论联系实际的工作作风，严肃认真的科学态度。
培养学生进行社会调查研究；文献资料收集、阅读和整理、使用；提出论点、综合论证、总结写作等基本技能。
参考资料来源：百度百科-毕业论文
毕业论文的主要研究内容和目标特色：（一）论文名称论文名称就是课题的名字第一，名称要准确、规范。准确就是论文的名称要把论文研究的问题是什么，研究的对象是什么交待清楚，论文的名称一定要和研究的内容相一致，不能太大，也不能太小，要准确地把你研究的对象、问题概括出来。第二，名称要简洁，不能太长。不管是论文或者课题，名称都不能太长，能不要的字就尽量不要，一般不要超过20个字。（二） 论文研究的目的、意义研究的目的、意义也就是为什么要研究、研究它有什么价值。这一般可以先从现实需要方面去论述，指出现实当中存在这个问题，需要去研究，去解决，本论文的研究有什么实际作用，然后，再写论文的理论和学术价值。这些都要写得具体一点，有针对性一点，不能漫无边际地空喊口号。主要内容包括：⑴ 研究的有关背景(课题的提出)： 即根据什么、受什么启发而搞这项研究。 ⑵ 通过分析本地（校） 的教育教学实际，指出为什么要研究该课题，研究的价值，要解决的问题。（三） 本论文国内外研究的历史和现状（文献综述）。规范些应该有，如果是小课题可以省略。一般包括：掌握其研究的广度、深度、已取得稜成果；寻找有待进一步研究的问题，从而确定本课题研究的平台(起点)、研究的特色或突破点。（四）论文研究的指导思想指导思想就是在宏观上应坚持什么方向，符合什么要求等，这个方向或要求可以是哲学、政治理论，也可以是政府的教育发展规划，也可以是有关研究问题的指导性意见等。
开题报告主要包括以下几个方面：（一）论文名称论文名称就是课题的名字第一，名称要准确、规范。准确就是论文的名称要把论文研究的问题是什么，研究的对象是什么交待清楚，论文的名称一定要和研究的内容相一致，不能太大，也不能太小，要准确地把你研究的对象、问题概括出来。第二，名称要简洁，不能太长。不管是论文或者课题，名称都不能太长，能不要的字就尽量不要，一般不要超过20个字。（二） 论文研究的目的、意义研究的目的、意义也就是为什么要研究、研究它有什么价值。这一般可以先从现实需要方面去论述，指出现实当中存在这个问题，需要去研究，去解决，本论文的研究有什么实际作用，然后，再写论文的理论和学术价值。这些都要写得具体一点，有针对性一点，不能漫无边际地空喊口号。主要内容包括：⑴ 研究的有关背景(课题的提出)： 即根据什么、受什么启发而搞这项研究。 ⑵ 通过分析本地（校） 的教育教学实际，指出为什么要研究该课题，研究的价值，要解决的问题。（三） 本论文国内外研究的历史和现状（文献综述）。 规范些应该有，如果是小课题可以省略。一般包括：掌握其研究的广度、深度、已取得的成果；寻找有待进一步研究的问题，从而确定本课题研究的平台(起点)、研究的特色或突破点。（四）论文研究的指导思想指导思想就是在宏观上应坚持什么方向，符合什么要求等，这个方向或要求可以是哲学、政治理论，也可以是政府的教育发展规划，也可以是有关研究问题的指导性意见等。（五） 论文写作的目标论文写作的目标也就是课题最后要达到的具体目的,要解决哪些具体问题，也就是本论文研究要达到的预定目标：即本论文写作的目标定位，确定目标时要紧扣课题,用词要准确、精练、明了。常见存在问题是：不写研究目标；目标扣题不紧；目标用词不准确； 目标定得过高, 对预定的目标没有进行研究或无法进行研究。确定论文写作目标时，一方面要考虑课题本身的要求，另一方面要考率实际的工作条件与工作水平。（六）论文的基本内容研究内容要更具体、明确。并且一个目标可能要通过几方面的研究内容来实现，他们不一定是一一对应的关系。大家在确定研究内容的时候，往往考虑的不是很具体，写出来的研究内容特别笼统、模糊，把写作的目的、意义当作研究内容。基本内容一般包括：⑴对论文名称的界说。应尽可能明确三点：研究的对象、研究的问题、研究的方法。⑵本论文写作有关的理论、名词、术语、概念的界说。（七）论文写作的方法具体的写作方法可从下面选定： 观察法、调查法、实验法、经验总结法、 个案法、比较研究法、文献资料法等。（八）论文写作的步骤论文写作的步骤，也就是论文写作在时间和顺序上的安排。论文写作的步骤要充分考虑研究内容的相互关系和难易程度，一般情况下，都是从基础问题开始，分阶段进行，每个阶段从什么时间开始，至什么时间结束都要有规定。课题研究的主要步骤和时间安排包括：整个研究拟分为哪几个阶段；各阶段的起止时间 希望我们可以帮你。硕士本科开题报告以及论文写作是我们特长，我们的服务特色：支持支付宝交易，保证你的资金安全。3种服务方式，文章多重审核，保证文章质量。附送抄袭检测报告，让你用得放心。修改不限次数，再刁难的老师也能过。1、论文题目：要求准确、简练、醒目、新颖。2、目录：目录是论文中主要段落的简表。（短篇论文不必列目录）3、提要：是文章主要内容的摘录，要求短、精、完整。字数少可几十字，多不超过三百字为宜。4、关键词或主题词：关键词是从论文的题名、提要和正文中选取出来的，是对表述论文的中心内容有实质意义的词汇。关键词是用作机系统标引论文内容特征的词语，便于信息系统汇集，以供读者检索。 每篇论文一般选取3-8个词汇作为关键词，另起一行，排在“提要”的左下方。主题词是经过规范化的词，在确定主题词时，要对论文进行主题，依照标引和组配规则转换成主题词表中的规范词语。5、论文正文：（1）引言：引言又称前言、序言和导言，用在论文的开头。 引言一般要概括地写出作者意图，说明选题的目的和意义, 并指出论文写作的范围。引言要短小精悍、紧扣主题。〈2）论文正文：正文是论文的主体，正文应包括论点、论据、 论证过程和结论。主体部分包括以下内容：a.提出-论点；b.分析问题-论据和论证；c.解决问题-论证与步骤；d.结论。6、一篇论文的参考文献是将论文在和写作中可参考或引证的主要文献资料，列于论文的末尾。参考文献应另起一页，标注方式按《GB7714-87文后参考文献著录规则》进行。中文：标题--作者--出版物信息（版地、版者、版期）：作者--标题--出版物信息所列参考文献的要求是：（1）所列参考文献应是正式出版物，以便读者考证。（2）所列举的参考文献要标明序号、著作或文章的标题、作者、出版物信息。
主要技术指标就是你要达到的目的、成果，所要解决的科学问题，比如误差要达到多少之类的。
研究目标是指要达到的具体目的,要解决哪些具体问题，也就是本论文研究要达到的预定目标。
扩展资料：
毕业论文的作用：
1、促进教育科研活动的自我完善：从某种意义上说，教育科研活动属于创造性活动。为了保证教育科研活动越来越有效，很有必要有论文。
2、知识交流：教育和科学研究的过程是人们获得直接经验的过程。通过精心设计和探索获得的直接经验不仅对直接参与者有价值。
参考资料来源：
百科百科-毕业论文
开题报告作为毕业论文的开端，是每个毕业生都不可避免的，然而很多人并不知道开题报告该从何下手，下面就让我来讲解一下大学生毕业论文开题报告怎么写吧。
首先，你需要先明白一点，开题报告是为了让你说明一下你为什么要研究的这个论题，并且你选这个论文题目有哪些理论意义和实践意义，(因为我们还是大学生，所以一般都只要求讲述实践意义)，然后通过开题报告来达到一个简洁直观告诉别人你为什么想要研究这个题目。
其次，明白我们需要写什么。
开题报告分为六部分，分别是选题的国内外研究现状及发展趋势，选题的目的与意义，毕业论文拟解决的问题和思路，毕业论文的主要内容以及主要参考文献。其中选题的国内外研究现状及发展趋势又分为三小块，即国内研究现状，国外研究现状以及国内外研究述评。
第三，着手开始收集资料。
就是去知网一类的网站上面去搜集与你论题相关的资料，然后根据他们所研究出的内容和结论，我们自己来进行一个编写，我们学校的要求是按照“该论文拟以...为研究对象，通过...理论，运用...方法，解决了...问题，并提出...建议”这样的格式对每一个研究出的内容进行一个总结。基本上这个在他们的论文摘要中就可以总结出来，没有说要一字一句地把他们的论文看完，国内外研究现状都是可以通过这种方式的。这样子自己编写出来的研究现状查重是不高的，所以可以直接用在论文中。
此外，选题的目的和意义也是可以借鉴跟你同个题目或者是相似论题的人所写的，不过最好还是根据自己的实际需求来写。
希望对你有所帮助，祝好。
一、研究目的与意义
1、理论意义或应用前景
要着重说明你为什么要选这个题，写它有没有必要，你选这个题目有什么理论意义和实践意义 。要简洁、直观，很清楚地告诉人家你为什么要定这个，有什么意义。
2、发展趋势
要扣题，要说明进一步探讨这个话题的好处，从自己的条件看可以从哪些方面获得新的突破。有了这样细致的分析与估价，写作者就能确定自己的定位，顺利地进入写作阶段。总之所写的一定要围绕告诉人家你怎么想到定这个题目，为什么写，有什么意义，有没有必要，有什么作用。这样才能说服人家接受你的想法。
二、研究内容
选题的背景和意义，主要说明所选课题的历史背景、国内外研究现状和发展趋势。历史背景部分着重说明本课题前人研究过，研究成果如何。国内外研究现状部分说明本课题目前在国内外研究状况，介绍各种观点，比较各种观点的异同，着重说明本课题目前存在的争论焦点，同时说明自己的观点。
意义一定要叙述的清晰并且是有一定新意的其次注意自己所使用的理论，是用什么理论证明你的观点，也要叙述清楚，否则难以有说服力，在做文献综述和国内外研究水平的评价等等也要有翔实的根，这样才能衬托出选题的意义所在研究的目的、意义。
也就是为什么要研究、研究它有什么价值。这一般可以先从现实需要方面去论述，指出现实当中存在这个问题，需要去研究，去解决，本论文的研究有什么实际作用，然后，再写论文的理论和学术价值。这些都要写得具体一点，有针对性一点，不能漫无边际地空喊口号。
在时间安排上，要充分考虑各个阶段研究内容的相互关系和难易程度。对于指导教师在任务书中规定的时间安排，学生应在开题报告中给予呼应，并最后得到批准。学生在实际操作中，时间安排一般应提前一点，千万别前松后紧，也不能虎头蛇尾，完不成毕业设计（论文）的撰写任务。
主要参考文献。在开题报告中，同样需列出参考文献，这在实际上是介绍了自己的准备情况，表明自己已了解所选课题相关的资料源，证明选题是有理论依据的。在所列的参考文献中，同样应具备不少于2篇的外文文献。
扩展资料
毕业论文的基本教学要求
培养学生综合运用、巩固与扩展所学的基础理论和专业知识，培养学生独立分析、解决实际问题能力、培养学生处理数据和信息的能力。
培养学生正确的理论联系实际的工作作风，严肃认真的科学态度。
培养学生进行社会调查研究；文献资料收集、阅读和整理、使用；提出论点、综合论证、总结写作等基本技能。
参考资料来源：百度百科-毕业论文
研究目的：主要是该论题所要体现的价值何在，推动。。。探索。。。有助。。。这样的话。意义：有点类似语文课文的中心思想，1,2,3,分段来写主要研究内容：包含题目，结构框架，研究重点，研究难点
根据个人经验，paperpass查重还是挺靠谱的，一般paperpass查重能过，论文肯定没啥问题。
用的是知网，抄袭之后最后修改一下，比如改下表达方式，知网系统计算标准详细说明：1．看了一下这个系统的介绍，有个疑问，这套系统对于文字复制鉴别还是不错的，但对于其他方面的内容呢，比如数据，图表，能检出来吗？检不出来的话不还是没什么用吗？学术不端的各种行为中，文字复制是最为普遍和严重的，目前本检测系统对文字复制的检测已经达到相当高的水平，对于图表、公式、数据的抄袭和篡改等行为的检测，目前正在研发当中，且取得了比较大的进展，欢迎各位继续关注本检测系统的进展并多提批评性及建设性意见和建议。 2．按照这个系统39%以下的都是显示黄色,那么是否意味着在可容忍的限度内呢?最近看到对上海大学某教师的国家社科基金课题被撤消的消息,原因是其发表的两篇论文有抄袭行为,分别占到25%和30%. 请明示超过多少算是警戒线？百分比只是描述检测文献中重合文字所占的比例大小程度，并不是指该文献的抄袭严重程度。只能这么说，百分比越大，重合字数越多，存在抄袭的可能性越大。是否属于抄袭及抄袭的严重程度需由专家审查后决定。 3．如何防止学位论文学术不端行为检测系统成为个人报复的平台？这也是我们在认真考虑的事情，目前这套检测系统还只是在机构一级用户使用。我们制定了一套严格的管理流程。同时，在技术上，我们也采取了多种手段来最大可能的防止恶意行为，包括一系列严格的身份认证，日志记录等。 4．最小检测单位是句子，那么在每句话里改动一两个字就检测不出来了么？我们对句子也有相应的处理，有一个句子相似性的算法。并不是句子完全一样才判断为相同。句子有句子级的相似算法，段落有段落级的相似算法，计算一篇文献，一段话是否与其他文献文字相似，是在此基础上综合得出的。 5．如果是从相关书籍上摘下来的原话，但是此话已经被数据库中的相关文献也抄了进去，也就是说前面的文章也从相关书籍上摘了相同的话，但是我的论文中标注的这段话来自相关的书籍，这个算不算学术抄袭？检测系统不下结论，是不是抄袭最后还有人工审查这一关，所以，如果是您描述的这种情况，专家会有相应判断。我们的系统只是提供各种线索和依据，让人能够快速掌握检测文献的信息。6．知网检测系统的权威性？学术不端文献检测系统并不下结论，即检测系统并不对检测文献定性，只是将检测文献中与其他已发表文献中的雷同部分陈列出来，列出客观事实，而这篇检测文献是否属于学术不端，需专家做最后的审查确认。 一篇论文的抄袭怎么才会被检测出来？知网论文检测的条件是连续13个字相似或抄袭都会被红字标注，但是必须满足3里面的前提条件：即你所引用或抄袭的A文献文字总和在你的各个检测段落中要达到5%。
原文： Scalable Object Detection using Deep Neural Networks——学术范 最近，深度卷积神经网络在许多图像识别基准上取得了最先进的性能，包括ImageNet大规模视觉识别挑战(ILSVRC-2012)。在定位子任务中获胜的模型是一个网络，它预测了图像中每个对象类别的单个边界框和置信度得分。这样的模型捕获了围绕对象的整幅图像上下文，但如果不天真地复制每个实例的输出数量，就无法处理图像中同一对象的多个实例。在这篇论文中提出了一个显著性启发的神经网络检测模型，它预测了一组与类无关的边界框，每个框有一个分数，对应于它包含任何感兴趣的对象的可能性。该模型自然地为每个类处理数量可变的实例，并允许在网络的最高级别上进行跨类泛化。 目标检测是计算机视觉的基本任务之一。一个解决这个问题的通用范例是训练在子图像上操作的对象检测器，并在所有的场所和尺度上以详尽的方式应用这些检测器。这一范例被成功地应用于经过区别训练的可变形零件模型(DPM)中，以实现检测任务的最新结果。对所有可能位置和尺度的穷举搜索带来了计算上的挑战。随着类数量的增加，这个挑战变得更加困难，因为大多数方法都训练每个类单独的检测器。为了解决这个问题，人们提出了多种方法，从检测器级联到使用分割提出少量的对象假设。 关于对象检测的文献非常多，在本节中，我们将重点讨论利用类不可知思想和解决可伸缩性的方法。 许多提出的检测方法都是基于基于部件的模型，最近由于有区别学习和精心设计的特征，已经取得了令人印象深刻的性能。然而,这些方法依赖于在多个尺度上详尽地应用零件模板，这是非常昂贵的。此外，它们在类的数量上是可伸缩的，这对像ImageNet这样的现代数据集来说是一个挑战。 为了解决前一个问题，Lampert等人使用分支绑定策略来避免计算所有可能的对象位置。为了解决后一个问题，Song et al.使用了一个低维部件基，在所有对象类中共享。基于哈希算法的零件检测也取得了良好的结果。 另一种不同的工作，与我们的工作更接近，是基于对象可以本地化的想法，而不必知道它们的类。其中一些方法建立在自底向上无阶级分割[9]的基础上。通过这种方式得到的片段可以使用自上而下的反馈进行评分。基于同样的动机，Alexe等人使用一种廉价的分类器对对象假设是否为对象进行评分，并以这种方式减少了后续检测步骤的位置数量。这些方法可以被认为是多层模型，分割作为第一层，分割分类作为后续层。尽管它们编码了已证明的感知原理，但我们将表明，有更深入的模型，充分学习可以导致更好的结果。 最后，我们利用了DeepLearning的最新进展，最引人注目的是Krizhevsky等人的工作。我们将他们的边界盒回归检测方法扩展到以可扩展的方式处理多个对象的情况。然而，基于dnn的回归已经被Szegedy等人应用到对象掩模中。最后一种方法实现了最先进的检测性能，但由于单个掩模回归的成本，不能扩展到多个类。 我们的目标是通过预测一组表示潜在对象的边界盒来实现一种与类无关的可扩展对象检测。更准确地说，我们使用了深度神经网络(DNN)，它输出固定数量的包围盒。此外，它为每个盒子输出一个分数，表示这个盒子包含一个对象的网络信任度。 为了形式化上述思想，我们将i-thobject框及其相关的置信度编码为最后一网层的节点值: Bounding box: 我们将每个框的左上角和右下角坐标编码为四个节点值，可以写成vectorli∈R4。这些坐标是归一化的w. r. t.图像尺寸，以实现图像绝对尺寸的不变性。每个归一化坐标是由最后一层的线性变换产生的。 Confidence: 置信度:包含一个对象的盒子的置信度得分被编码为单个节点valueci∈[0,1]。这个值是通过最后一个隐藏层的线性变换产生的，后面跟着一个sigmoid。 我们可以组合边界盒位置sli,i∈{1，…K}为一个线性层。同样，我们可以将所有置信区间ci,i∈{1，…K}作为一个s型层的输出。这两个输出层都连接到最后一个隐藏层 在推理时，我们的算法生成kbound盒。在我们的实验中，我们使用ek = 100和K= 200。如果需要，我们可以使用置信分数和非最大抑制在推理时获得较少数量的高置信框。这些盒子应该代表对象。因此，它们可以通过后续的分类器进行分类，实现目标检测。由于盒子的数量非常少，我们可以提供强大的分类器。在我们的实验中，我们使用另一个dnn进行分类。 我们训练一个DNN来预测每个训练图像的边界框及其置信度得分，以便得分最高的框与图像的groundtruth对象框很好地匹配。假设对于一个特定的训练例子，对象被标记为boundingboxesgj,j∈{1，…，M}。在实践中，pre- dictionary的数量远远大于groundtruthboxm的数量。因此，我们试图只优化与地面真实最匹配的预测框子集。我们优化他们的位置，以提高他们的匹配度，最大化他们的信心。与此同时，我们将剩余预测的置信度最小化，这被认为不能很好地定位真实对象。为了达到上述目的，我们为每个训练实例制定一个分配问题。Wexij∈{0,1}表示赋值:xij= 1，如果第i个预测被赋值给第j个真对象。这项任务的目标可以表示为 其中，我们使用标准化边界框坐标之间的el2距离来量化边界框之间的不同。此外，我们希望根据分配x优化盒子的可信度。最大化指定预测的置信度可以表示为 最终的损失目标结合了匹配损失和信心损失 受式1的约束。α平衡了不同损失条款的贡献。 对于每个训练例子，我们通过解决一个最佳的赋值x*的预测到真实的盒子 约束执行赋值解决方案。这是二部匹配的一种变体，是一种多项式复杂度匹配。在我们的应用程序中，匹配是非常便宜的——每幅图像中标记的对象的数量少于一打，而且在大多数情况下只有很少的对象被标记。然后，通过反向传播优化网络参数。例如，反向传播算法的一阶导数计算w、r、t、l和c 尽管上述定义的损失在原则上是足够的，但三次修改使其有可能更快地达到更好的准确性。第一个修改是对地面真实位置进行聚类，并找到这样的聚类/质心，我们可以使用这些聚类/质心作为每个预测位置的先验。因此，鼓励学习算法为每个预测位置学习一个残差到一个先验。 第二个修改涉及到在匹配过程中使用这些先验:不是将N个groundtruth位置与K个预测进行匹配，而是在K个先验和groundtruth之间找到最佳匹配。一旦匹配完成，就会像之前一样计算目标的置信度。此外，位置预测损失也不变:对于任何一对匹配的(目标，预测)位置，其损失定义为groundtruth和对应于匹配先验的坐标之间的差值。我们把使用先验匹配称为先验匹配，并假设它促进了预测的多样化。 需要注意的是，尽管我们以一种与类无关的方式定义了我们的方法，但我们可以将它应用于预测特定类的对象盒。要做到这一点，我们只需要在类的边框上训练我们的模型。此外，我们可以预测每个类的kbox。不幸的是，这个模型的参数数量会随着类的数量线性增长。此外，在一个典型的设置中，给定类的对象数量相对较少，这些参数中的大多数会看到很少有相应梯度贡献的训练示例。因此，我们认为我们的两步过程——首先本地化，然后识别——是一个更好的选择，因为它允许使用少量参数利用同一图像中多个对象类型的数据 我们使用的本地化和分类模型的网络架构与[10]使用的网络架构相同。我们使用Adagrad来控制学习速率衰减，128的小批量，以及使用多个相同的网络副本进行并行分布式训练，从而实现更快的收敛。如前所述，我们在定位损失中使用先验——这些是使用训练集上的均值来计算的。我们还使用α = 来平衡局部化和置信度损失。定位器可以输出用于推断的种植区以外的坐标。坐标被映射和截断到最后的图像区域。另外，使用非最大抑制对盒进行修剪，Jaccard相似度阈值为。然后，我们的第二个模型将每个边界框分类为感兴趣的对象或“背景”。为了训练我们的定位器网络，我们从训练集中生成了大约3000万幅图像，并对训练集中的每幅图像应用以下步骤。最后，样品被打乱。为了训练我们的本地化网络，我们通过对训练集中的每一幅图像应用以下步骤，从训练集中生成了大约3000万幅图像。对于每幅图像，我们生成相同数量的平方样本，使样本总数大约为1000万。对于每幅图像，样本被桶状填充，这样，对于0 - 5%、5 - 15%、15 - 50%、50 - 100%范围内的每个比例，都有相同数量的样本，其中被包围框覆盖的比例在给定范围内。训练集和我们大多数超参数的选择是基于过去使用非公开数据集的经验。在下面的实验中，我们没有探索任何非标准数据生成或正则化选项。在所有的实验中，所有的超参数都是通过对训练集。 Pascal Visual Object Classes (VOC)挑战是最常用的对象检测算法基准。它主要由复杂的场景图像组成，其中包含了20种不同的对象类别的边界框。在我们的评估中，我们关注的是2007版VOC，为此发布了一个测试集。我们通过培训VOC 2012展示了结果，其中包含了大约。11000张图片。我们训练了一个100框的定位器和一个基于深度网络的分类器。 我们在一个由1000万作物组成的数据集上训练分类器，该数据集重叠的对象至少为 jaccard重叠相似度。这些作物被标记为20个VOC对象类中的一个。•2000万负作物与任何物体盒最多有个Jaccard相似度。这些作物被贴上特殊的“背景”类标签。体系结构和超参数的选择遵循。 在第一轮中，定位器模型应用于图像中最大-最小中心方形作物。作物的大小调整到网络输入大小is220×220。单次通过这个网络，我们就可以得到上百个候选日期框。在对重叠阈值为的非最大抑制后，保留评分最高的前10个检测项，并通过21路分类器模型分别通过网络进行分类。最终的检测分数是给定盒子的定位分数乘以分类器在作物周围的最大方形区域上评估的分数的乘积。这些分数通过评估，并用于计算精确查全曲线。 首先，我们分析了本地化器在隔离状态下的性能。我们给出了被检测对象的数量，正如Pascal检测标准所定义的那样，与生成的包围框的数量相对比。在图1中，我们展示了使用VOC2012进行训练所获得的结果。此外，我们通过使用图像的最大中心面积(max-center square crop)作为输入以及使用两个尺度(second scale)来给出结果:最大中心面积(max-center crop)的第二个尺度(select3×3windows的大小为图像大小的60%)正如我们所看到的，当使用10个边界框的预算时，我们可以用第一个模型本地化的对象，用第二个模型本地化48%的对象。这显示出比其他报告的结果更好的性能，例如对象度算法达到42%[1]。此外，这个图表显示了在不同分辨率下观察图像的重要性。虽然我们的算法通过使用最大中心作物获得了大量的对象，但当使用更高分辨率的图像作物时，我们获得了额外的提升。进一步，我们用21-way分类器对生成的包围盒进行分类，如上所述。表1列出了VOC 2007的平均精度(APs)。达到的平均AP是，与先进水平相当。注意，我们的运行时间复杂度非常低——我们只使用top10框。示例检测和全精度召回曲线分别如图2和图3所示。值得注意的是，可视化检测是通过仅使用最大中心方形图像裁剪，即使用全图像获得的。然而，我们设法获得了相对较小的对象，例如第二行和第二列的船，以及第三行和第三列的羊。 在本工作中，我们提出了一种新的方法来定位图像中的对象，该方法可以预测多个边界框的时间。该方法使用深度卷积神经网络作为基本特征提取和学习模型。它制定了一个能够利用可变数量的groundtruth位置的多箱定位成本。在“一个类一个箱”方法的情况下，对1000个盒子进行非max-suppression，使用与给定图像中感兴趣的DeepMulti-Box方法相同的准则，并学习在未见图像中预测这些位置。 我们在VOC2007和ILSVRC-2012这两个具有挑战性的基准上给出了结果，在这两个基准上，所提出的方法具有竞争力。此外，该方法能够很好地预测后续分类器将探测到的位置。我们的结果表明，deepmultibox的方法是可扩展的，甚至可以在两个数据集之间泛化，就能够预测感兴趣的定位，甚至对于它没有训练的类别。此外，它能够捕获同一类物体的多种情况，这是旨在更好地理解图像的算法的一个重要特征。 在未来，我们希望能够将定位和识别路径折叠到一个单一的网络中，这样我们就能够在一个通过网络的一次性前馈中提取位置和类标签信息。即使在其当前状态下，双通道过程(本地化网络之后是分类网络)也会产生5-10个网络评估，每个评估的速度大约为1个CPU-sec(现代机器)。重要的是，这个数字并不与要识别的类的数量成线性关系，这使得所提出的方法与类似dpm的方法非常有竞争力。
论文原文：
YOLO（you only look once）是继RCNN、faster-RCNN之后，又一里程碑式的目标检测算法。yolo在保持不错的准确度的情况下，解决了当时基于深度学习的检测中的痛点---速度问题。下图是各目标检测系统的检测性能对比：
如果说faster-RCNN是真正实现了完全基于深度学习的端到端的检测，那么yolo则是更进一步，将 目标区域预测 与 目标类别判断 整合到单个神经网络模型中。各检测算法结构见下图：
每个网格要预测B个bounding box，每个bounding box除了要回归自身的位置之外，还要附带预测一个confidence值。这个confidence代表了所预测的box中含有object的置信度和这个box预测的有多准两重信息，其值是这样计算的：
其中如果有object落在一个grid cell里，第一项取1，否则取0。第二项是预测的bounding box和实际的groundtruth之间的IoU值。
每个bounding box要预测(x, y, w, h)和confidence共5个值，每个网格还要预测一个类别信息，记为C类。即SxS个网格，每个网格除了要预测B个bounding box外，还要预测C个categories。输出就是S x S x (5*B+C)的一个tensor。（注意：class信息是针对每个网格的，即一个网格只预测一组类别而不管里面有多少个bounding box，而confidence信息是针对每个bounding box的。）
举例说明: 在PASCAL VOC中，图像输入为448x448，取S=7，B=2，一共有20个类别(C=20)。则输出就是7x7x30的一个tensor。整个网络结构如下图所示：
在test的时候，每个网格预测的class信息和bounding box预测的confidence信息相乘，就得到每个bounding box的class-specific confidence score:
等式左边第一项就是每个网格预测的类别信息，第二三项就是每个bounding box预测的confidence。这个乘积即encode了预测的box属于某一类的概率，也有该box准确度的信息。
得到每个box的class-specific confidence score以后，设置阈值，滤掉得分低的boxes，对保留的boxes进行NMS（非极大值抑制non-maximum suppresssion）处理，就得到最终的检测结果。
1、每个grid因为预测两个bounding box有30维（30=2*5+20），这30维中，8维是回归box的坐标，2维是box的confidence，还有20维是类别。其中坐标的x,y用bounding box相对grid的offset归一化到0-1之间，w,h除以图像的width和height也归一化到0-1之间。
2、对不同大小的box预测中，相比于大box预测偏一点，小box预测偏一点肯定更不能被忍受的。而sum-square error loss中对同样的偏移loss是一样。为了缓和这个问题，作者用了一个比较取巧的办法，就是将box的width和height取平方根代替原本的height和width。这个参考下面的图很容易理解，小box的横轴值较小，发生偏移时，反应到y轴上相比大box要大。其实就是让算法对小box预测的偏移更加敏感。
3、一个网格预测多个box，希望的是每个box predictor专门负责预测某个object。具体做法就是看当前预测的box与ground truth box中哪个IoU大，就负责哪个。这种做法称作box predictor的specialization。
4、损失函数公式见下图：
在实现中，最主要的就是怎么设计损失函数，坐标（x,y,w,h），confidence，classification 让这个三个方面得到很好的平衡。简单的全部采用sum-squared error loss来做这件事会有以下不足：
解决方法：
只有当某个网格中有object的时候才对classification error进行惩罚。只有当某个box predictor对某个ground truth box负责的时候，才会对box的coordinate error进行惩罚，而对哪个ground truth box负责就看其预测值和ground truth box的IoU是不是在那个cell的所有box中最大。
作者采用ImageNet 1000-class 数据集来预训练卷积层。预训练阶段，采用网络中的前20卷积层，外加average-pooling层和全连接层。模型训练了一周，获得了top-5 accuracy为（ImageNet2012 validation set），与GoogleNet模型准确率相当。
然后，将模型转换为检测模型。作者向预训练模型中加入了4个卷积层和两层全连接层，提高了模型输入分辨率（224×224->448×448）。顶层预测类别概率和bounding box协调值。bounding box的宽和高通过输入图像宽和高归一化到0-1区间。顶层采用linear activation，其它层使用 leaky rectified linear。
作者采用sum-squared error为目标函数来优化，增加bounding box loss权重，减少置信度权重，实验中，设定为\lambda _{coord} =5 and\lambda _{noobj}= 。
作者在PASCAL VOC2007和PASCAL VOC2012数据集上进行了训练和测试。训练135轮，batch size为64，动量为，学习速率延迟为。Learning schedule为：第一轮，学习速率从缓慢增加到（因为如果初始为高学习速率，会导致模型发散）；保持速率到75轮；然后在后30轮中，下降到；最后30轮，学习速率为。
作者还采用了dropout和 data augmentation来预防过拟合。dropout值为；data augmentation包括：random scaling，translation，adjust exposure和saturation。
YOLO模型相对于之前的物体检测方法有多个优点：
1、 YOLO检测物体非常快
因为没有复杂的检测流程，只需要将图像输入到神经网络就可以得到检测结果，YOLO可以非常快的完成物体检测任务。标准版本的YOLO在Titan X 的 GPU 上能达到45 FPS。更快的Fast YOLO检测速度可以达到155 FPS。而且，YOLO的mAP是之前其他实时物体检测系统的两倍以上。
2、 YOLO可以很好的避免背景错误，产生false positives
不像其他物体检测系统使用了滑窗或region proposal，分类器只能得到图像的局部信息。YOLO在训练和测试时都能够看到一整张图像的信息，因此YOLO在检测物体时能很好的利用上下文信息，从而不容易在背景上预测出错误的物体信息。和Fast-R-CNN相比，YOLO的背景错误不到Fast-R-CNN的一半。
3、 YOLO可以学到物体的泛化特征
当YOLO在自然图像上做训练，在艺术作品上做测试时，YOLO表现的性能比DPM、R-CNN等之前的物体检测系统要好很多。因为YOLO可以学习到高度泛化的特征，从而迁移到其他领域。
尽管YOLO有这些优点，它也有一些缺点：
1、YOLO的物体检测精度低于其他state-of-the-art的物体检测系统。
2、YOLO容易产生物体的定位错误。
3、YOLO对小物体的检测效果不好（尤其是密集的小物体，因为一个栅格只能预测2个物体）。