最近将雷师兄的论文的dynamic EL算法实现之后，就没有了方向感——不知道工作的重心放在哪里。接下来应该：

1.改进EL。EL算法步奏改进？EL的多样性？pruning？selective？怎么样集成众多基学习机产生的结果（加权平均？中值？mode？）？

2.预处理结果是否合适。Tan师兄说“预测结果的好坏可能和预处理后的结果有关系，应该加入更少的随机项，选取更好的数据。”

3.应该把数据分为趋势项和随机项。关于趋势项和随机项又该由哪些算法来预测（这种算法和Zhong老师的想法有些相关了。。）？

4.预测什么。预测同一发动机的数据？Tan师兄说可以考虑用多台发动机的数据来预测新发。

    大体上，就这几个方向，然后就不知道干什么了，我通常会：这个方面搞不好，没有思路，就会寻求看其他方面有关的论文。最后导致，没有重点，所以应该停下来好好的思考一下该往什么方向走。所以下午就咨询了fu老师，和fu老师进行了亲切友好的交谈。以谋取方向。主要收获如下：

1.由于发动机的数据太坑爹，可以考虑先使用Mackey-Glass数据，效果比较好之后，可以将EL用于发动机数据。

2.继续考虑zhong老师的想法。需要考虑怎么选取基学习机。主要是根据输入时间序列的特征，比如：数量、代表性（分布、距离。。）。

3.2实在不好搞，那就先实现自己的想法。再考虑2

总结：

1.还是需要自己把握~~~最好和Lin和Tan讨论；

2.不应该再看:混沌预测、嵌入维数选择、hybrid等和EL无关的问题。

3.应该把重心放到EL上，保证进度，不用太在意细节，否则回不来了。对于不放心的可以用【实验法】来确定，要把我大方向。

4.关于论文，有的英文论文可能看起来比较费劲，可以试着搜索有没有相关的中文文献。先了解中文文献，再学习英文文献，有事半功倍的效果。

只有先完成，才能完美！

4.看：EL的基学习机多样性和准确性的选择标准、集成方法（selective、mode、mean、median）研究。