引用次数在15000次以上的都是什么论文？-优快云博客

链接：https://www.zhihu.com/question/433702668
编辑：深度学习与计算机视觉
声明：仅做学术分享，侵删

作者：知乎用户
https://www.zhihu.com/question/433702668/answer/1617268591

陶哲轩与其合作者奠基 压缩感知 compressed sensing 的大作

一般我们认为，比如对一打信息做了个傅里叶变换，并扔掉了傅里叶变换的一部分频谱，那就丢失了信息，不可能完整的还原出所有的原始信息

而陶哲轩的这篇大作，就像标题所说，它告诉你在某些条件下（工业上经常遇到的条件）其实可以从极其不完整的频域信息中还原出完整的原始信息。

因为极为广泛的应用价值。。引用这篇文章的人是各行各业的，比如生物/医学成像中也会有极为重要的应用。（这个故事再次验证了一件事。那就是21世纪是生物的世纪，但是本科不要选生物专业！！！！）

作者：远处群山
https://www.zhihu.com/question/433702668/answer/1622573162

引用一万五千次以上的论文相当罕见，基本上都属于开山之作，开创了某个中等或者大领域的作品。也可以说是养活了很多人的作品...

现在深度学习的论文里15000次引用的挺多的，看到也有其他答主总结了，我就重点说下信号处理和图像处理的经典论文，

压缩感知的两篇开山之作：

Donoho D L. Compressed sensing[J]. IEEE Transactions on information theory, 2006, 52(4): 1289-1306. 27000次引用

Candès E J, Romberg J, Tao T. Robust uncertainty principles: Exact signal reconstruction from highly incomplete frequency information[J]. IEEE Transactions on information theory, 2006, 52(2): 489-509. 16000次引用

统计学习里大名鼎鼎的LASSO：

Tibshirani R. Regression shrinkage and selection via the lasso[J]. Journal of the Royal Statistical Society: Series B (Methodological), 1996, 58(1): 267-288. 引用35000次

统计学习的圣典：

Cortes C, Vapnik V. Support-vector networks[J]. Machine learning, 1995, 20(3): 273-297.

图像分割的开山之作normalized cut：

Shi J, Malik J. Normalized cuts and image segmentation[J]. IEEE Transactions on pattern analysis and machine intelligence, 2000, 22(8): 888-905. 引用16000次

同样来自Malik老师的图像去噪神作——扩散滤波，威名赫赫的Perona-Malik模型，多少PDE-based image processing methods就是源自这里：

Perona P, Malik J. Scale-space and edge detection using anisotropic diffusion[J]. IEEE Transactions on pattern analysis and machine intelligence, 1990, 12(7): 629-639. 引用15000次

图像去噪的又一神作，超级经典的全变差模型：

Rudin L I, Osher S, Fatemi E. Nonlinear total variation based noise removal algorithms[J]. Physica D: nonlinear phenomena, 1992, 60(1-4): 259-268. 引用15000次

无比经典的SIFT图像特征检测以及方向梯度直方图（HOG）模型，做图像处理的应该没有不知道这两个的：

Lowe D G. Distinctive image features from scale-invariant keypoints[J]. International journal of computer vision, 2004, 60(2): 91-110. 58000次引用

Dalal N, Triggs B. Histograms of oriented gradients for human detection[C]//2005 IEEE computer society conference on computer vision and pattern recognition (CVPR'05). IEEE, 2005, 1: 886-893. 32000次引用

做图像恢复的人肯定都知道SSIM这个指标，出自这篇文章：

Wang Z, Bovik A C, Sheikh H R, et al. Image quality assessment: from error visibility to structural similarity[J]. IEEE transactions on image processing, 2004, 13(4): 600-612. 引用27000

作者：老王
https://www.zhihu.com/question/433702668/answer/1622585881

小波分析领域的Ingrid Daubechies，是普林斯顿大学的全职教授。

虽然Ten lectures on wavelets（小波十讲）是一本书，但是引用量能到3万多，也是非常厉害的。

补充：小波是一种信号多分辨率分析方法，可以用在图像、语音、振动等很多信号上面。太多了，我也列不全面。

作者：星辰大海
https://www.zhihu.com/question/433702668/answer/1622563428

流形学习领域的开创性论文，Nonlinear dimensionality reduction by locally linear embedding，2000年的时候发表在Science上，到现在引用量刚好跨过15000次的门槛。

作者：张葱葱啥都略懂
https://www.zhihu.com/question/433702668/answer/1618708318

这哥们原先是研究social psychology的。结果95年发了篇优化算法的论文名声大噪，这个算法叫做particle swarm optimization。用那个时代的眼光来看，pso简洁，直观，可以轻松适应解决不同类型的优化问题。最关键的是它太好理解了，半个小时就能让一个高中生明白这篇论文在说啥。虽然迭代公式只有短短两行，但真的算是非常有启发性的工作。他的这篇神文也直接拉开了往后20年swarm算法领域蓬勃发展与疯狂灌水的序幕。

作者：李竞宜
https://www.zhihu.com/question/433702668/answer/1620824809

看到这个问题一下子就想到前两天和同学聊起的香农的A mathematical theory of communicaton，通信和信息论的奠基作品。